用HTTP服务的方式集成 learned cardinality estimation 方法进 PostgreSQL
代码地址：postgresql-13.1-ml: Integration of CardEst Methods into PostgreSQL by HTTP Server (github.com)
当前进度：可以支持单表查询、多表inner join的基数估计模块的替换。
注意：本文的重点在于PG的修改。记录一下我的修改思路。
整体流程
PG作为http客户端，向基数估计服务端发送http请求。内容为需要基数估计的SQL语句。
基数估计服务端返回该语句的selectivity。
PG收到该查询的selectivity后乘以当前表的大小，即得到rows
项目的难点主要在于获取需要基数估计的SQL查询语句。
PG原版基数估计调用逻辑
修改源码
主要修改代码costsize.c
单表修改set_baserel_size_estimates函数
修改逻辑
其中get_expr函数的逻辑可参考print.c文件中print_expr函数
多表修改set_joinrel_size_estimates函数
获取需要基数估计的当前SQL查询语句
添加第三方库
该项目需要其它两个第三方库
- C语言的HTTP服务的client端的库，参考项目：linux下socket（C）构造HTTP客户端
- C语言解析json格式的库，参考项目：cJSON
将第三方库的头文件和实现文件加入到PG中：
- 把http.h 添加到 /src/include/utils/下
- costsize.c 添加 #include "utils/http.h”
- 把cJSON.h 添加到 /src/include/utils/下
- 把cJSON.c 添加到 /src/backend/utils/adt/下
- cJSON.c 把#include "cJSON.h”修改成#include "utils/cJSON.h”
- 在/src/backend/utils/adt/Makefile添加 cJSON.o \
- costsize.c 添加 #include "utils/cJSON.h”
效果
单表查询的效果
测试数据集：imdb.title
PG原版计划 VS learned方法的计划
通过 set enable_ml_cardest=True;就可以实现单表基数估计方法的切换。
最优计划（基数估计较准时产生的计划）
可以看到learned方法基数估计更准确，产生的执行计划与基数估计几乎正常产生的计划一致。而PG原版的基数估计由于准确度太低，导致产生了次优的执行计划。
虽然learned方法的速度没有PG原版快，但产生的计划更优，导致节省了执行时间，所以整体时间更优。
多表查询的效果
测试数据集：imdb
PG原版基数估计产生的计划 VS 多表基数估计为真值情况下产生的计划
通过 set enable_ml_joinest=True;就可以实现多表基数估计方法的切换。
待完善
- 当前版本只适用于实验环境。尚未对不支持的查询进行过滤。
参考资料
- End-to-End-CardEst-Benchmark
- VLDBSS2022实验
- PostgreSQL 在内核增加一个配置参数
- linux下socket（C）构造HTTP客户端
- cJSON使用详细教程 | 一个轻量级C语言JSON解析器
- cJSON
