概述：
在真实的客户场景中，其实我们不缺索引，索引推荐模块主要目的是去除冗余索引，使客户用更少索引达到相同甚至更好的查询效率。
该模块提供了三种索引推荐方法：
1：简单索引推荐：简单的保留高索引索引，推荐效果不理想
2：基于贪心算法的索引推荐：容易陷入局部最优
2：基于MTCS的索引推荐：AlphaGo也是基于该算法，推荐效果较好。
之前我司和一个高校合作设计了一个基于DQN的索引推荐算法，MTCS相较于DQN，计算速度更快，不需要事先训练好模型，效果也不弱与DQN。（DBMIND的Xtuner数据库智能调参模块也是基于MCTS）客户对推荐效果比较满意，但是不愿意安装PG的虚拟索引插件,导致改研究不了了之。目前我正在研究把虚拟索引和PG的内核（parser，rewriter，planner）抽取出来集成到索引推荐模块中，后续可以继续做分享。
下面主要是对基于负载的索引推荐进行解析，改方法是基于单条sql的索引推荐，单条的索引推荐主要是基于sql文本的利用专家规则来进行推荐的，我们此次不涉及该内容。该模块内容较大，我将会分成两篇来讲，这一篇主要讲解预处理和简单索引推荐部分，下一篇讲解复杂索引推荐。
模块:
components/dao/execute_factory.py：封装了一些静态方法。
components/dao/driver_execute.py：通过官方driver psycopg2连接数据库进行操作，debug时建议时候该方法，可读性较强。
components/dao/gsql_execute.py：通过python内置的模块subprocess和CMD命令行连接数据库进行操作。
components/index_advisor_workload.py：基于负载的索引推荐的核心部分，后面主要对该脚本解析。
components/MCTS.py：蒙特卡洛搜索树算法的实现。
简单索引推荐源码解析
index_advisor_workload.py/main(argv)：
输入参数：
连接数据库
index_advisor_workload.py/index_advisor_workload()：
1：sql压缩
①sql规范化后，相同的sql合并：
②将相似sql压缩为sql模版：
③将量纲变小，出现数除以限定的采样数
2：简单索引推荐
① 生成候选索引：
①-①：调用单条sql的索引推荐（拼接sql，使用数据库内置函数gs_index_advise）
①-②：对上一步推荐出来的索引进行过滤（虚拟索引 + explain）
①-②-①：过滤相同的索引列和索引类型
①-②-②：过滤无用索引
①-③：不同表的相同索引只保留一个
①-④：使用最左匹配原则过滤索引
②：可能会遇到某个sql执行较长时间，导致与数据库的连接断开。
③：计算不加索引的cost
④：遍历每个索引，计算使用该索引后的增益
⑤：保留高收益的索引
