Mogdb/opengauss的dbmind索引推荐模块的源码解析（二）

概述

 上一篇主要减少了预处理和简单索引推荐部分，这篇主要介绍复杂索引推荐和MCTS的具体实现。

代码解析

 index_advisor_workload()

  1：复杂索引推荐

   ①：生成原子索引：一条query的所有索引会进行1到k的组合C${K \choose n}$，n为索引数，k为1到n。一个原子索引包含普通索引和联合索引。

    ①-①：

    ①-②:把所有query的索引组合去重后放入atomic_config_total中，is_same_config的判断依据是：首先判断列表的长度是否相等，然后两个列表的每个元素依次对比（表名，列名，索引类型是否相等），但凡有一个不相等，这两个列表就不相等。

   ②：遍历每个原子索引，计算增加该原子索引后的cost

   ③：基于蒙特卡洛搜索树推荐索引。用蒙特卡洛方法估算每一种走法的胜率。通过不断的模拟每一种走法，直至终局，该走法的模拟总次数N，与胜局次数W，即可推算出该走法的胜率为 W/N。通过随机的对游戏进行推演来逐渐建立一棵不对称的搜索树的过程。

    ③-①:蒙特卡洛搜索树实现。

    ③-①-①：选择和扩展：

    ③-①-②：随机选择未执行的动作计算奖励

    ③-①-③：回溯：自下而上将模拟的结果反向传播到父结点中

    ③-①-④：使用UCB算法，权衡探索和开发选择得分最高的子节点。

   ③：贪婪决策算法推荐索引

 以上就是基于负载的索引推荐的代码解析，有一些细节被省略了，更细节的部分可以去看源码。前几天dbmind更新了异常检测和报警模块，后面我也会把该模块的源码解析更新出来。