《大规模分布式计算深入解析》8.3 优化器:代价估算与计划选择

COST 优化器用选择率估各行算子基数,按代价=基数×每步选计划;小基数计划成本 2.0,探针 EstimatedRows=0.3333。

代价模型:基数 × 每步成本

COST 优化器给每个执行算子估算输出基数与成本。展开算子成本 = 候选基数 × 每步成本:候选 3、每步 2 → 代价 6(用例 81)。谓词下推改变估算:先过滤后展开的中间基数更小(用例 84),整棵计划成本随之下降。

计划枚举:谁当锚点,差在哪

同一条查询有多个合法计划:不同锚点、不同展开顺序。2 候选 × 2 展开 = 4 组合(用例 90);展开结果去重后 3 个城市(用例 89)。枚举后用同一代价模型比较:小基数计划成本 2.0(用例 91),索引计划因点查基数被压到 1 而胜出(用例 82)。比较发生在编译期,执行器只跑最优那棵。

探针:EstimatedRows 的可核算口径

探针 MATCH (d:Doc {id:2}) 走 NodeIndexSeek,EstimatedRows=0.3333——3 节点命中 1,选择率 1/3。代价估算输出的是估计行数而非实际行数:它对计划排序,实际执行仍以 DB Hits 为准。

验证

从卷十一实验包 解包,用 query 用例 81 验证代价 = 基数 3 × 每步 2 = 6;用例 83、84 验证 3 候选 × 度数 2 = 6 次展开、先过滤后展开中间基数更小;用例 90、91 验证 2 候选 × 2 展开 = 4 组合、小基数计划成本 2.0;运行 neo4j-probe.sh 验证 EstimatedRows=0.3333(3 节点命中 1)与 planner COST。

一手资料

卷十一目录 · 系列导读与实验

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图