构想下一代优化器MBO:MachineLearning Based Optimizer

 

2016-06-10  朱洁  hadoop技术学习

 

熟悉ORACLE数据库的人，对RBO/CBO肯定很熟。

 

Rule Based Optimizer（RBO）基于规则
Cost Based Optimizer（CBO）基于成本，或者讲统计信息

 

ORACLE 提供了CBO、RBO两种SQL优化器。CBO在ORACLE7 引入，但在ORACLE8i 中才成熟。ORACLE 已经明确声明在ORACLE9i之后的版本中(ORACLE 10G )，RBO将不再支持。因此选择CBO 是必然的趋势。

 

RBO自ORACLE 6版以来被采用，有着一套严格的使用规则，只要你按照它去写SQL语句，无论数据表中的内容怎样，也不会影响到你的“执行计划”，也就是说对数据不“敏感”；CBO计算各种可能“执行计划”的“代价”，即cost，从中选用cost最低的方案，作为实际运行方案。各“执行计划”的cost的计算根据，依赖于数据表中数据的统计分布，ORACLE数据库本身对该统计分布并不清楚，必须要分析表和相关的索引（使用ANALYZE 命令），才能搜集到CBO所需的数据。

 

RBO是一种呆板、过时的优化器，它只认规则，对数据不敏感。毕竟规则是死的，数据是变化的，这样生成的执行计划往往是不可靠的，不是最优的，CBO 相比RBO进步很大。

 

CBO/RBO都是在交易数据中演变成来的，CBO只能统计静态的数据，比如在分析领域的ETL计算，还有很多外部条件，比如数据量和资源的关系，任务之间的相互影响，高SLA任务保障等等，这些通过机器学习算法就可以解决静态统计不能解决的一些问题，因此我在想未来的优化器应该是MBO:MachineLearning Based Optimizer。

 

大家觉得呢？

 

 

 

微信扫一扫
关注该公众号