一种基于树型Transformer的索引效益估计模型

来源：南京信息工程大学学报·自然科学版杂志2026年第4期北京时间：

作者：唐榕敏，何兵，董文安，乔少杰，刘亿臻，韩楠

单位：唐榕敏,成都信息工程大学 软件工程学院, 成都, 610225,何兵,成都信息工程大学 计算机学院, 成都, 610225,董文安,成都交投信息科技有限公司, 成都, 610095,乔少杰,成都信息工程大学 软件工程学院, 成都, 610225,刘亿臻,杭州电子科技大学 卓越学院, 杭州, 310018,韩楠,成都信息工程大学 管理学院, 成都, 610103

摘要：在关系型数据库领域,索引选择是提升查询性能的关键,准确高效地估计候选索引配置效益对优化查询性能至关重要.针对传统基于what-if调用工具的代价估计方法存在效率低下、准确性不足以及难以应对大规模复杂查询负载等问题,提出一种基于树型 Transformer 的索引效益估计模型Tree-IBE(Tree-based Transformer Index Benefit Estimation Model),利用Transformer架构的自注意力机制和高效的特征编码技术,能够直接从查询计划和索引配置中学习索引代价,无需依赖what-if调用工具.Tree-IBE首先通过查询计划节点编码器和索引编码器进行特征编码,全面捕捉查询计划和索引配置的关键信息,然后利用树型Transformer层的多头注意力机制,并行从多个表示子空间捕捉执行计划节点间的依赖关系,精准表示执行计划的结构和性能特性,结合轻量级的估计层输出估计的索引效益.在JOB、TPC-H和TPC-DS三个标准数据集上验证模型的性能,实验结果表明:Tree-IBE 在准确性和效率上均优于现有方法,尤其在复杂查询负载下具有显著优势.

关键词：关系型数据库;索引效益估计;树型Transformer;特征编码;注意力机制

基金资助：国家自然科学基金(62272066);四川省科技计划(2025ZNSFSC0044,2025YFHZ0194);成都市区域科技创新合作项目(2025-YF11-00050-HZ);网络空间安全教育部重点实验室及河南省网络空间态势感知重点实验室开放基金(KLCS20240106);网络空间大数据智能安全教育部重点实验室开放基金(CBDIS202404)