openGauss源码解析（184）
openGauss源码解析：AI技术（31）
8.6.5 使用示例
AI查询时间预测功能使用示例如下。
① 定义性能预测模型，代码如下：
INSERT INTO gs_opt_model VALUES(‘rlstm’, ‘model_name’, ‘host_ip’, ‘port’);
② 通过GUC参数开启数据收集，配置的参数列表，代码如下：
enable_resource_track = on;
enable_resource_record = on;
③ 编码训练数据，代码如下：
SELECT gather_encoding_info('db_name');
④ 校准模型，代码如下：
SELECT model_train_opt('template_name', 'model_name');
⑤ 监控训练状态，代码如下：
SELECT track_train_process('host_ip', 'port');
⑥ 通过explain + SQL语句来预测SQL查询的性能，代码如下：
EXPLAIN (..., predictor 'model_name') SELECT ...
获得结果，其中，“p-time”列为标签预测值。
Row Adapter (cost=110481.35..110481.35 rows=100 p-time=99..182 width=100) (actual time=375.158..375.160 rows=2 loops=1)
8.6.6 演进路线
目前模型的泛化能力不足，依赖外置的AI Engine组件，且深度学习网络比较重，这会为部署造成困难；模型需要数据进行训练，冷启动阶段的衔接不够顺畅，后续从以下几个方面演进。
