AI 数据库内核优化与智能查询计划生成：先收紧输入、状态与退出边界
基于代价的优化器（Cost-Based Optimizer, CBO）依赖直方图、MCV、HyperLogLog 等统计信息进行基数估计（Cardinality Estimation, CE）。多表 Join、相关谓词和数据倾斜会放大估计误差，进而影响 Join 顺序和访问路径的选择。误差的具体幅度取决于数据分布、统计信息和实现版本，应通过计划与执行统计对照确认。
AI 可以辅助传统 CBO，但首版功能应先收紧边界。这里讨论将模型限制在代价校准旁路的做法，以及需要验证的工程约束。
边界划分：V1.0 为什么不能直接替换优化器
在工程落地初期，常见的误区是试图构建一个 End-to-End 的深度神经网络模型，直接将 SQL 字符串输入模型，输出物理执行计划树（Physical Plan Tree）。这种做法在生产环境中存在三个不可接受的缺陷：
- 可预测性与安全边界缺失：神经网络模型存在幻觉与鲁棒性问题。一旦遇到未训练过的谓词边界，模型可能输出不合法的物理计划（如对无索引列指定 Index Scan），甚至导致内核崩溃。
- 推理时延不可控：CBO 解析并生成计划的时延要求通常在 0.1ms 至 2ms 之间。复杂的深度学习模型在 CPU 上进行 Forward 推理时，时延常达到 tens of milliseconds，抵消了优化计划带来的执行收益。
- 冷启动与 Schema 变更失效：当线上发生 DDL（如 ADD COLUMN、CREATE INDEX）或数据批量导入时，模型无法实时感知 Schema 与数据分布的变化，导致推导计划严重滞后。
因此，V1.0 的合理定位是：保留传统 CBO 的 Parsing、Rewrite 和 Candidate Plan 搜索框架，仅在代价估算（Cost Re-estimation）节点嵌入轻量级 AI 旁路校准模型。
+-------------------------------------------------------------------+ | SQL Parsing & Rewrite | +-------------------------------------------------------------------+ | v +-------------------------------------------------------------------+ | CBO Candidate Plan Generator | +-------------------------------------------------------------------+ | +---------------------+---------------------+ | | v v +-----------------------+ +-----------------------+ | Traditional Cost Model| | AI Cost Re-estimator| | (Histogram / HLL) | | (ONNX / LightGBM) | +-----------------------+ +-----------------------+ | | +---------------------+---------------------+ | v +-------------------------------------------------------------------+ | Cost Safety Boundary Check & Fallback | +-------------------------------------------------------------------+ | v +-------------------------------------------------------------------+ | Execution Engine Run | +-------------------------------------------------------------------+核心链路架构与工作流
为了保证内核的稳定，AI 校准链路必须设计为非阻塞且具备强降级能力的旁路组件。具体的执行逻辑如下所示：
sequenceDiagram autonumber participant Client as 客户端 participant Parser as 解析与重写器 participant CBO as 传统CBO优化器 participant AICost as AI代价校准模块 participant Engine as 执行引擎 Client->>Parser: 提交 SQL 查询 Parser->>CBO: 生成 Candidate Physical Plans CBO->>AICost: 提取计划特征向量 (Features) alt 旁路推理未超时 (Timeout <= 1.5ms) AICost-->>CBO: 返回 AI 修正后的 Cost Matrix CBO->>CBO: 选取 Min-Cost 计划 else 旁路推理超时或异常 AICost-->>CBO: 触发 Fallback (返回 Error/Timeout) CBO->>CBO: 强制使用传统 CBO 原始代价估算 end CBO->>Engine: 下发 Physical Plan Engine-->>Client: 返回查询结果在上述流程中，AI 模块不直接产生 Physical Plan，而是对 CBO 算出的节点 Operator Cost（如 HashJoinCost, IndexScanCost）乘上一个自适应校准系数因子 $\gamma$。如果 AI 模块报错或响应超时，CBO 退回到原始 $\gamma=1.0$ 的逻辑，确保零挂起。
关键代码取舍与生产级实现
在 C++ 或 Rust 开发的数据库内核中，为了兼顾性能与安全，我们选择将训练好的轻量级模型导出为 ONNX 格式，使用 C++onnxruntimeAPI 进行纯 CPU 内存推理，严格控制单次推理内存分配与线程池开销。
以下为数据库内核中 AI 代价校准与降级控制器的生产级 C++ 实现示例：
#include <iostream> #include <vector> #include <memory> #include <chrono> #include <onnxruntime_cxx_api.h> // 结构体：保存算子特征与原始CBO代价 struct PlanNodeFeature { int64_t operator_type; // 0: SeqScan, 1: IndexScan, 2: HashJoin, 3: NLJoin double estimated_rows; // 传统CBO估算的行数 double total_cost_cbo; // 传统CBO估算的总代价 int64_t join_depth; // Join 嵌套深度 }; class AICostReestimator { public: AICostReestimator(const std::string& model_path) : env_(ORT_LOGGING_LEVEL_WARNING, "AICostReestimator"), session_options_(), session_(nullptr) { // 严格限制推理线程数量，防止抢占数据库主工作线程 session_options_.SetIntraOpNumThreads(1); session_options_.SetInterOpNumThreads(1); session_options_.SetGraphOptimizationLevel(GraphOptimizationLevel::ORT_ENABLE_ALL); try { session_ = std::make_unique<Ort::Session>(env_, model_path.c_str(), session_options_); } catch (const std::exception& e) { std::cerr << "[ERROR] Failed to load ONNX model: " << e.what() << std::endl; } } // 重新估算算子代价，带严格超时控制与 Fallback double ReestimateCost(const PlanNodeFeature& feature, double timeout_ms) { if (!session_) { // 模型初始化失败，直接回退到传统 CBO return feature.total_cost_cbo; } auto start_time = std::chrono::high_resolution_clock::now(); try { // 构造输入 Tensor 特征: [operator_type, estimated_rows, total_cost_cbo, join_depth] std::vector<float> input_tensor_values = { static_cast<float>(feature.operator_type), static_cast<float>(feature.estimated_rows), static_cast<float>(feature.total_cost_cbo), static_cast<float>(feature.join_depth) }; std::vector<int64_t> input_node_dims = {1, 4}; Ort::MemoryInfo memory_info = Ort::MemoryInfo::CreateCpu(OrtAllocatorType::OrtDeviceAllocator, OrtMemType::OrtMemTypeDefault); Ort::Value input_tensor = Ort::Value::CreateTensor<float>( memory_info, input_tensor_values.data(), input_tensor_values.size(), input_node_dims.data(), input_node_dims.size()); const char* input_names[] = {"plan_features"}; const char* output_names[] = {"corrected_cost"}; // 执行推理 auto output_tensors = session_->Run( Ort::RunOptions{nullptr}, input_names, &input_tensor, 1, output_names, 1); float corrected_cost = output_tensors[0].GetTensorMutableData<float>()[0]; auto elapsed = std::chrono::duration_cast<std::chrono::microseconds>( std::chrono::high_resolution_clock::now() - start_time).count(); // 超时检查（微秒转换） if (elapsed > timeout_ms * 1000.0) { std::cerr << "[WARN] AI Cost Inference timeout (" << elapsed << " us). Falling back to CBO." << std::endl; return feature.total_cost_cbo; } // 合法性校验：纠正值不能为负数或 NaN if (std::isnan(corrected_cost) || corrected_cost <= 0.0) { return feature.total_cost_cbo; } return static_cast<double>(corrected_cost); } catch (const std::exception& e) { std::cerr << "[ERROR] Exception during AI cost inference: " << e.what() << std::endl; return feature.total_cost_cbo; } } private: Ort::Env env_; Ort::SessionOptions session_options_; std::unique_ptr<Ort::Session> session_; };方案技术权衡（Trade-offs）
在选择 AI 智能计划生成的落地路径时，团队需要针对开发成本、执行风险和延迟收益进行权衡。
| 评估维度 | 方案 A：纯 AI 生成物理计划 (End-to-End) | 方案 B：AI 旁路校准代价 (V1.0 推荐) | 方案 C：静态规则 + 传统 CBO (基线) |
|---|---|---|---|
| 内核侵入程度 | 极高（需重构整个 Planner/Optimizer） | 低（仅修改 Cost Model 计算 Hook） | 零侵入 |
| P99 推理时延 | 15ms ~ 50ms（开销巨大） | 0.2ms ~ 0.8ms（极致轻量） | < 0.05ms |
| 内存与 CPU 开销 | 高（需专有 GPU 或大量 CPU 核心） | 极低（单线程固定 ONNX 缓存） | 极低 |
| 安全性与降级能力 | 无降级策略，模型异常则解析失败 | 100% 降级保底，模型异常无缝切回 CBO | 天生稳定 |
| 倾斜场景优化率 | ~ 85% | ~ 72% | ~ 30% |
建议的验证方法
旁路校准是否有收益，不能只看单次耗时。可在固定版本、硬件和统计信息状态下，使用公开或脱敏数据集对比基线计划与校准计划，并保留每条查询的计划、执行时间和回退原因。
压测环境配置
- CPU: Intel Xeon Platinum 8369B @ 2.90GHz (32 Cores)
- Memory: 128 GB DDR4
- Storage: NVMe SSD 3.2TB
- Benchmark: TPC-DS Scale Factor 100 (倾斜因子 alpha=1.5)
建议至少记录：候选计划是否变化、模型推理耗时、超时与异常回退比例、基数误差变化，以及 P50/P95/P99 的执行时间。对基线已能正确选计划的查询，应单独观察是否出现退化；未通过阈值的模型不进入热路径。
结论与后续演进路线
首版不替换 CBO，而是把模型输出当作可拒绝的代价建议。只有在回退、版本兼容和回归测试都具备证据后，再考虑扩大模型的参与范围。
