课程视频
官网当前未公开本讲视频，B 站收藏夹也暂无对应视频。
学习重点
本讲对应官网 Lecture #15：Cost Models: Learned Approaches。学习时重点关注：
- 学习型基数估计如何用模型替代或补充传统统计信息。
- 训练数据、工作负载漂移和模型泛化能力如何决定 learned estimator 是否可用。
- learned cost model 从头训练和复用传统优化器信号之间的取舍。
核心问题
- 这个主题解决了查询优化器中的哪一类搜索、估计或工程实现问题？
- 它依赖哪些输入信息，例如统计信息、代价模型、物理属性或历史反馈？
- 它如何影响最终生成的物理执行计划，以及失败时会造成什么性能问题？
学习记录
- [ ] 看完课程视频或完成对应阅读。
- [ ] 整理本讲涉及的关键算法、数据结构和系统实现。
- [ ] 记录和现有数据库系统相关的实现例子。
参考资料
Learned Cardinality Estimation: An In-depth Study (K. Kim et al., SIGMOD 2022) (Primary)
Learned Cardinality Estimation: A Design Space Exploration and A Comparative Evaluation (J. Sun et al., VLDB 2022) (Optional)
Are We Ready For Learned Cardinality Estimation? (X. Wang et al., VLDB 2021) (Optional)
Rethinking Learned Cost Models: Why Start from Scratch? (J. Yang et al., SIGMOD 2023) (Optional)
An End-to-End Learning-based Cost Estimator (J. Sun et al., VLDB 2019) (Optional)