Оптимизация запросов без гигантских вычислительных кластеров 

Продолжаем разбираться с нейросетевыми оптимизаторами в PostgreSQL. За счет использования ML такие решения находят закономерности в выполнении сложных планов, чем помогают в работе над оптимизацией выполнения запроса. 

⚡️ В прошлой статье рассказали про пионеров среди нейронных оптимизаторов, сегодня говорим про стабильные подходы, удовлетворяющие большую часть потребностей бизнеса:

✔️Bao — модель появилась 4 года назад, но до сих пор фигурирует в сравнениях, и на её основе делают большое количество модификаций

✔️Balsa — нейросетевой оптимизатор, который вобрал продуктивные идеи предыдущих подходов, избавившись от существенного недостатка — использования результатов работы экспертных систем

✔️AQO (Adaptive Query Optimization) — оптимизатор разработан Postgres Professional, решение развивается в рамках СУБД Postgres Pro и отдельного репозитория на GitHub

🔥 В AQO 2.0 улучшена производительность и удобство пользования за счет оптимизации и упрощения многих сложных элементов системы (подробнее про изменения — в презентации).

Читать статью