数据库查询优化中的自适应查询优化（Adaptive Query Optimization）技术

描述
自适应查询优化是数据库管理系统在查询执行过程中，根据运行时收集的统计信息动态调整执行策略的技术。传统优化器在查询编译阶段基于静态统计信息生成执行计划，但可能因数据分布倾斜、统计信息过时等因素导致计划不优。自适应优化通过监控实际执行状态，实时修正操作参数甚至改变计划形态，以提升查询性能。

解题过程

1. 问题识别阶段

   • 场景：假设查询涉及大表连接，优化器初始选择哈希连接，但运行时发现一侧数据量远高于预估，导致内存溢出至磁盘（Spill），性能骤降。
   • 核心挑战：静态优化无法预知运行时数据特征的变化，需动态干预。

2. 自适应优化触发机制

   • 检查点设置：数据库在执行计划中插入监控点（如连接操作前），收集实际行数、数据分布等指标。
   • 阈值判断：当实际值与优化器预估值的偏差超过阈值（如行数误差 > 50%），触发自适应调整。

3. 动态调整策略

   • 策略一：连接算法切换
     • 示例：初始计划使用哈希连接，但探测表实际行数远超预估，导致哈希表无法装入内存。
     • 调整：中止当前操作，切换至嵌套循环连接（若内表小）或排序合并连接（若数据已部分排序）。
     • 技术细节：保存已处理的数据中间状态，避免重复计算。
   • 策略二：并行度调整
     • 示例：并行扫描任务分配不均，部分线程早于其他线程完成，造成资源闲置。
     • 调整：动态重分配待处理数据块，或调整后续操作的并行线程数。
   • 策略三：中间结果物化
     • 示例：子查询结果集远大于预估，多次被引用时重复计算代价高。
     • 调整：将中间结果写入临时表，避免重复执行子查询。

4. 容错与回退机制

   • 中止与回滚：若调整后性能未提升，回退至原计划或尝试替代方案。
   • 增量调整：避免全盘否定原计划，仅调整局部操作（如修改连接顺序而非整个计划）。

5. 应用案例

   • Oracle自适应计划：支持连接方法切换（如哈希连接转嵌套循环）、并行分布方式调整（如广播转重分布）。
   • SQL Server自适应内存授予：根据实际数据量动态调整排序、哈希操作的内存分配，避免溢出。
   • PostgreSQL自定义执行节点：通过插件扩展自适应逻辑，如动态选择索引扫描或位图扫描。

总结
自适应查询优化将“优化”从编译期延伸至执行期，通过实时反馈机制弥补静态统计信息的局限性。其核心在于监控-决策-调整的闭环，需平衡运行时开销与收益，适用于数据分布不稳定或复杂查询场景。