机器学习能革了数据库索引的命吗?

关系数据库帝国已经独孤求败几十年了!

(图2：B+树中节点也保存在磁盘块中)

最后一层为有序的数据页，每个页包含指向下一个数据页的页号(也就是地址)，这里假设一条记录占据一个数据页,那么第一条记录在1号数据页，第二条记录在2号数据页，依次类推。

这样以来，如果用户想获取ID = 4的记录，数据库只需要读取三次磁盘就可以找到记录所在的数据的页号(page)为4。

现在的对应关系不是那么简单了。

机器学习大使不仅不慢不紧不慢地回答道：“线性模型只是我们大家族中最简单的地模型罢了，不管你一个数据页能存储几条记录， 只要给出(key,page)对应的数据集合,我们都可以训练神经网络，找到满足他们之间关系的一个函数 page = f(key)!通过这个函数，只要你给出key的值，立刻就能得出page! ”

B+树有点明白了，这机器学习就是为了找到一个key和页面之间的关系啊，以后访问起来就方便了，他背上开始冒汗了。

机器学习大使穷追不舍，亮出了大杀招：“使用B+树， 存储开销是O(n/m)(m为树的出度)，查询开销是O(log(n))， 而使用神经网络，查询开销是O(1) !”

O(1) !

听到这句话， 全场一片哗然，所有人都知道这意味着什么，这就是革命呀，革B+树的命呀!

大臣们开始窃窃私语：“这神经网络很厉害啊!”

“是啊!神经网络最擅长干这个事情了!从一堆数据中找到关联关系。”

“听说神经网络在两层的情况下就能够拟合一切函数!”

B+树大臣有点慌，语气也弱了下来：“你们机器学习是很牛逼，但像LR，GBDT，SVR，包括你说的这些神经网络，一些深度学习的方法，哪个不是有一定错误率的，位置预测错误，难道要全部扫描一遍数据不成，你们懂不懂我们索引的业务呀!”

机器学习大使早就预料到了会有这个问题， 他一字一句郑重道：“将机器学习赋能数据库，我们是认真的! 传统这些预测算法的应用场景，都是在训练数据数据集里做训练，然后对未知的数据做预测。但索引这个场景，嘿嘿，它是一个封闭场景，没有新的数据，只需要对数据库中存在的数据做预测即可，这种场景下，就像我刚才提到的神经网络完全可以胜任，直接就在当前数据上，训练到做到百分百的正确率即可。”

全场再次哗然，众位大臣齐刷刷地看着国王，似乎等待着最终的宣判。

绝地反击

B+树大臣顿时印堂发黑，心想几十年的风光就要今日终结吗，本来随着SSD等新型硬件的诞生我的日子就不好过了， 难道今日命丧机器学习之手?悲伤难以平复，摇摇欲坠。

这个时候，CBO(基于代价的优化器)从后面走过来，一把扶住B+树，看着这个日益苍老的老头，说道：“大人莫慌，别看他和嚣张，但是有巨大漏洞，看我来对付他。”

CBO大臣说道：“你之前说的只是查找和存储性能，索引的维护(增/删/改)代价难道不用考虑吗，如果索引发生了变化，之前的page= f(key)这个函数还有效吗? 是不是还得重新训练神经网络，找到新的函数 page = f1(key)? 这还是O(1)的时间复杂度吗?我们数据库面对的是通用场景，不要以为只考虑几个case就觉得可以替代我们了!”

机器学习大使大惊，功败垂成!自己已经隐藏的这么深，还是被发现了缺陷，顿时红了个脸：“您说的对，我们在索引的更新上还没有很好的解决方案，但我们只是想为数据库索引带来一些新鲜想法，做现在的技术选项的补充，并没有想着取代谁。”

B+树一听，立刻满血复活：“陛下，您看看，这是一个不成熟的方案，对于数据查找能做到O(1)， 但是对于数据更新就完全不行了，居然还想替代我!我就说这机器学习是招摇撞骗嘛!”

数据库国王摇摇头：“爱卿所言差矣，这个机器学习的思路还是非常新奇的，我们还是要学习一下的， 来人，给机器学习大使送上白银千两，好好安顿。”

后记

这篇文章的灵感来源于一篇论文《The Case for Learned Index Structures》，实际上真正要把机器学习应用的索引上，就算考虑只读场景，往往也会因为数量太大，关系太多复杂，导致计算量、模型复杂度方面的问题，所以提出这个论文的作者提到通过建立层次模型的方式解决：根节点的分类器将记录划分成n份，给下一层分类器进行分类，这样节点的预测器学习的数据少而简单，总体的时间成本也能够保证。

本文名称：机器学习能革了数据库索引的命吗?
转载来于：/news13/98113.html

成都网站建设公司_创新互联，为您提供网站设计、自适应网站、静态网站、网站设计公司、虚拟主机、服务器托管

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联