每个模板一次查询就够？学习型代价模型跨硬件适配

跨硬件迁移的代价模型难题

学习型代价模型通过预测查询运行时间，已成为数据库查询优化的关键工具。然而，这类模型通常只在单一机器上训练。当数据库迁移到新硬件时，查询计划本身不变，但执行时间会因硬件特性而按不同比例变化。如何用新机器上少量查询的测量结果来适配模型，成为实际部署中的核心问题。一项发表在arXiv上的研究系统性地回答了这个问题：应该测量哪些查询、如何使用它们的运行时间、以及需要多少查询才足够。

研究团队在PostgreSQL上对1,162个TPC-H和TPC-DS查询的同一组计划，在六个不同环境中进行了计时：笔记本电脑和服务器，各自使用全部处理器或绑定到单个核心，服务器还额外绑定到两个核心，笔记本电脑还配置了较小的缓冲池。这些环境覆盖了从单核到多核、从充足内存到受限内存的典型硬件差异。

学习型代价模型是指用机器学习模型（如神经网络、梯度提升树）替代传统代价模型中的手工公式，通过从大量查询执行数据中学习来预测查询运行时间或代价。传统代价模型依赖简化的成本公式和统计信息，难以捕捉复杂的非线性关系；学习型模型则能自动拟合这些关系，在单一硬件环境下往往精度更高。但其泛化能力受限于训练数据分布，当硬件配置变化时，模型输入（查询计划特征）不变但输出（执行时间）偏移，导致预测误差增大，因此需要适配策略。

没有单一缩放因子能描述性能变化

实验揭示了一个关键发现：没有任何单一因子能描述两个环境之间的减速。大部分方差存在于查询模板之间——不同模板的查询对硬件变化的敏感度差异巨大。这意味着，简单地用一个全局速度因子来缩放所有查询的预测时间，效果有限。速度因子在测量少量查询后就不再改善，因为模板间的差异主导了误差。

这一发现挑战了直觉：人们可能期望硬件性能差异可以用一个统一的倍数来近似，但实际数据表明，查询模板的多样性使得这种近似在模板级别上失效。研究强调，在迁移模型时，必须考虑模板级别的差异。

Q-error 是数据库领域评估基数或代价估计精度的常用指标，定义为估计值与真实值的比值（当估计值大于真实值时）或真实值与估计值的比值（当估计值小于真实值时），即 max(估计/真实, 真实/估计)。Q-error 为 1 表示完美估计，数值越大误差越大。本文使用“模板上中位 Q-error 的几何平均值”作为聚合指标，即先对每个查询模板计算其中位 Q-error，再对所有模板取几何平均，以平衡不同模板的权重。该指标对高估和低估同等惩罚，适合比较不同校正方法的效果。

每个模板一次查询的校正策略

研究提出了一种校正方法：为串行和并行计划分别拟合直线，并为每个已测量模板添加偏移量。使用这种校正，在TPC-H和TPC-DS上，每个模板仅测量一个查询，就能将迁移后的模型误差（模板上中位Q-error的几何平均值）降至1.10和1.19，接近在新机器上重新训练模型的校正效果。

作为对比，对DACE风格的神经代价模型在相同查询上进行微调，最多只能获得2%的提升。这表明，简单的分模板校正比复杂的神经微调更有效。然而，对于从未测量过的模板，任何校正方法平均都不比速度因子好超过2%。这意味着，未测量模板的预测仍然困难，需要额外的策略来应对。

DACE（Data-Aware Cost Estimator）是一种典型的学习型代价模型，它使用神经网络从查询计划中提取特征并预测执行时间，通常在大规模查询日志上训练。DACE 风格模型强调数据感知，即考虑表统计信息和谓词选择性。本文将其作为神经代价模型的代表进行对比：在相同查询上微调 DACE 模型，最多只能获得 2% 的误差提升，而简单的分模板线性校正却能大幅降低误差。这说明对于跨硬件适配，复杂的神经微调未必优于针对模板的轻量校正，可能因为微调容易过拟合少量新样本。

固定假设后的验证测试

为了验证结论的稳健性，研究团队固定了假设，并计时了新的数据。在TPC-H的十倍规模上，误差与之前的结果一致，但五次重复测试中有两次失败。这提示模型在规模扩展时存在一定的脆弱性。

在Join Order Benchmark上，查询在模板内差异很大，模型即使在新机器上重新训练，误差也达到2.36，且没有校正方法能显著改善，只有新模板上的测试成立。对于这类查询，提升树和神经模型拟合得更好，并且校正神经模型的效果与微调相当。研究将所有测试都作为注册报告进行了汇报，增强了结果的可信度。

实践启示与局限

这些发现为实际系统迁移提供了指导：当硬件变化时，测量每个查询模板的一个代表查询，并应用分模板校正，可以显著提升预测精度，且成本可控。然而，对于模板内差异大的负载（如Join Order Benchmark），需要更复杂的模型。未测量模板的预测仍需依赖速度因子，但精度有限。

研究的局限在于，实验仅基于PostgreSQL和特定硬件环境，结论的普适性需要进一步验证。此外，重复测试的失败率提示，在动态或规模化场景中，模型可能需要更频繁的更新。尽管如此，这项工作为学习型代价模型的跨硬件适配提供了清晰的基准和方向。