使用图神经网络选择并行查询的执行计划

来源：计算机工程与应用杂志2023年第13期北京时间：

作者：陶温霞, 牛保宁, 柳浩楠

单位：太原理工大学 信息与计算机学院，山西 晋中 030600

摘要：查询作为数据库系统（database system，DBS）占比最大的操作，其效率在很大程度上影响着DBS的性能，为查询选择一个较优的执行计划、提高查询效率是提高DBS效率的关键。查询执行受到其他查询的影响产生查询交互（query interaction，QI），是查询优化器难以为并行查询选择较优执行计划的主要因素。提出一种以操作为单位表示查询执行计划的编码方式（features of plans based on operator，FPO），并用操作之间的数据共享关系以及资源竞争关系反映QI；在此基础上，提出基于图神经网络的查询执行计划选择模型（plan selection based on graph，PSG）。PSG将操作作为节点，操作特征作为节点特征，操作间的关系作为边，生成异构图，作为模型的输入；考虑到操作间的关系有多种、作用不同，使用关系图卷积网络（relational graph convolutional network，RGCN）聚合信息，得到查询组合的图表示，提取其QI，通过全连接层（fully connected layers，FC），为查询选择执行计划。在PostgreSQL上的实验表明，PSG的平均准确率比查询优化器提高了47.3个百分点。

关键词：查询优化,查询交互,选择执行计划,图神经网络