自适应：反馈

课程视频

截至 2026 年 10 月 2 日，所给 B 站收藏夹收录到第 14 讲，官网 Schedule 未提供本讲视频链接。本页依据指定论文整理。

第 17 讲依据官网指定论文整理。前面的统计与估计用于执行前预测，反馈优化则把执行时观察到的行数和成本带回后续优化。它主要改善再次出现的查询或相似子表达式。

本讲把两条思路放在一起学习：LEO 修正优化器对规模的认识，Plan Stitch 复用多个历史计划中的有效片段。一个改变估计输入，一个改变可利用的历史计划候选。

LEO — DB2’s LEarning Optimizer收集执行反馈，比较估计基数与实际基数，再把信息关联到后续优化可识别的逻辑对象。

例如一个教学查询在 Join 处估计 100 行，执行得到十万行。记录“某个物理节点输出十万行”还不够，因为下一次优化可能采用不同物理算子或 Join 树。需要保存对应的表、谓词与逻辑子表达式，使优化器能够识别同一估计问题。

编译：逻辑表达式 → 估计 → 物理计划
执行：物理节点 → 真实行数
反馈：物理节点映射回逻辑表达式
下次优化：读取并使用相关反馈

相关性或 Join 倾斜导致的错误，可能无法仅靠更新单列直方图修复。表达式级反馈提供了另一种输入，但它也有覆盖范围：未执行过的候选和新参数区域通常缺少观测。

LIMIT 提前停止、查询取消或短路执行时，看到的行数未必是完整结果规模。Nested Loop 内侧节点的每次输出行数与所有循环累计输出也不同。

采集系统需要说明观测是否完整、节点调用次数、参数上下文和数据版本。否则一次“只取前十行”的执行，可能被错误地当成查询总共只有十行。

设 Nested Loop 外侧实际有 1000 行，内侧索引节点被调用 1000 次，每次平均返回 5 行。内侧总计输出约 5000 行。如果计划显示工具给出的是“每次调用平均 5 行”，而反馈系统把 5 当成全部 Join 的基数，就会把结果低估三个数量级。

反过来，把累计 5000 行写入“单次参数化探测”的估计位置，也会大幅高估一次访问成本。反馈记录要带调用次数，并说明观测单位：每个绑定的输出、全部绑定的累计输出，以及逻辑 Join 的最终输出。

若外侧被 LIMIT 截断，只执行了 20 次探测，那么累计观察到的 100 行只描述已经执行的这部分工作。系统可以把它作为部分信号，却不能直接断言完整查询只返回 100 行。提前终止、过滤短路与取消都需要观测完整性标记。

假设新建索引后，查询选择了计划 P2，但它在某个 Join 上严重低估，运行变慢。系统可以回退到历史计划 P1，前提是 P1 仍然合法。

然而 P2 的某个索引访问片段可能确实很好，P1 的大部分 Join 结构也可能更好。整条计划回退无法同时利用这两部分收益。Plan Stitch研究如何从同一查询的历史执行计划中组合一个新的完整方案。

Plan Stitch 先识别历史计划中对应相同逻辑表达式的物理候选，然后在受约束的空间里重新搜索。候选物理算子必须来自已有执行记录，并在当前配置下仍然合法。

下面的成本为教学设定，假设片段语义、属性和输入上下文兼容：

历史计划	计算 ABC 的片段	与 D 连接的片段	总成本
P1	50	100	150
P2	120	20	140
可兼容拼接	50	20	70

拼接能够得到没有整体执行过的新计划，但组成片段已有观测。实际算法需要按逻辑表达式识别片段，满足排序、参数依赖等物理条件，再通过动态规划比较组合。

这里的最优性限定在论文定义的历史候选空间与成本组合模型中。它无法自动发现一条历史上从未出现过的访问路径，也不能仅靠“来自历史计划”保证所有片段可以接起来。

一个节点记录的 elapsed time 可能包含子节点工作，也可能与其他节点并行重叠。把这类数字直接加起来，会重复计费或忽略并行关系。输入行数变化后，片段的成本也可能变化。

Plan Stitch 论文讨论执行成本的记录、可组合性和计划验证。学习时要明确它使用哪种成本指标、如何避免重复计算，并理解其平均执行成本与参数实例的关系。

上面的示例刻意固定兼容条件，作用是解释“局部最佳可能来自不同计划”的动机。用于真实系统时，还应确认历史统计能代表当前数据与工作负载。

假设历史片段 P1 计算 ABC，输出按 join_key 排序；片段 P2 的父节点使用 Merge Join，要求这项顺序。两者在逻辑结果和属性上可能兼容。若更便宜的另一 ABC 片段输出无序，就需要加 Sort 后重新比较，总成本不能仍写成无序片段的原始成本。

还有更隐蔽的参数边界。历史 Index Seek 可能依赖外侧 D 的某个值，而新组合希望先独立计算 ABC。这个片段在缺少参数时无法运行，不能当成普通独立访问路径接入。数据位置、输出列映射和唯一性声明也可能成为组合约束。

可以将片段接口写成教学形式：

语义：计算哪个逻辑子结果
输入：子结果、外部参数及所需属性
输出：列、顺序与分布
观测：成本单位、输入规模、执行次数与环境

这些字段说明了为什么“从每条历史计划各拿最快的节点”无法直接组成正确计划。动态规划需要比较一组边界兼容的实现，再把局部观测放到论文定义的可组合成本中。

反馈修正与计划拼接还可以互补。先用 LEO 一类反馈改善某个逻辑表达式的基数，再让优化器发现新的物理结构；这些新结构经过执行积累观测以后，又扩充 Plan Stitch 的候选来源。不同阶段应分别记录收益，避免把重新编译与片段复用的效果混在一起。

参数化查询同一模板的执行规模可以差很多，一次地区热点查询的反馈不应无条件覆盖全部地区。数据更新、索引变化和资源配置变化也会改变历史观测的参考价值。

可以把有效范围理解为表达式、参数特征、数据版本和运行环境的组合。收集更多反馈能增加覆盖，也增加存储、匹配和筛选成本。对噪声很大的观测，还需要重复样本或其他判断依据。

先说明反馈改动的是基数输入、整体计划选择，还是历史片段组合。然后比较计划结构和端到端运行时间，并观察未受益或退化的参数区域。

反馈只对已观察部分提供信息。它与准确统计、合法规则和运行时机制可以互补。下一讲运行时处理把修正时机推进到同一次查询执行中，重点将变为剩余工作与状态迁移。