Tree-IS: Efficient Index Selection and Optimization Model for Dynamic Workloads

Shaojie Qiao

doi:10.1109/tnnls.2026.3714085

Tree-IS: Efficient Index Selection and Optimization Model for Dynamic Workloads

2026-07-23

0

PRE

AI

DOI：10.1109/tnnls.2026.3714085

原文链接

原文求助

摘要

En 中文

索引选择是数据库查询优化的关键组成部分。传统数据库索引选择在处理大规模和复杂结构化查询语言（SQL）查询时效率低下，且现有方法往往忽视索引维护成本和更新的必要性。为解决这些问题，提出了一种基于采样强化学习算法蒙特卡洛树搜索（MCTS）的网络优化索引选择模型，称为基于树的索引选择（Tree-IS）。该模型通过工作负载驱动的查询模板提取和候选索引（CI）生成技术压缩动作空间。它整合了新颖的查询状态表示器和基于执行计划的索引价值模型（IVM），在准确表征数据库环境的同时为索引搜索提供可靠的行动标准。在此基础上，Tree-IS进一步利用状态抽象网络（SAN）、策略网络和价值网络（VN）优化MCTS的搜索逻辑，实现最优索引集的快速识别和查询效率的显著提升。在流行的数据集上进行了大量实验，包括连接顺序基准（JOB）、事务处理性能委员会综合基准（TPC-H）和事务处理性能委员会决策支持基准（TPC-DS），以多指标评估所提出的方法。结果表明，Tree-IS模型选择的索引质量显著优于现有方法。

Keyword:

AI for database

index selection

Monte Carlo tree search (MCTS)

query optimization

reinforcement learning

Tree-IS: Efficient Index Selection and Optimization Model for Dynamic Workloads

摘要

期刊

机构

引用论文