一种基于多任务跨数据库学习的通用代价估计优化方法

本发明公开了一种基于多任务跨数据库学习的通用代价估计优化方法，涉及数据库系统性能优化技术领域，包括：构建向量化树结构；设计硬共享参数的多任务学习模型，该模型含共享特征提取模块和分别对应代价估计、查询优化及索引选择任务的独立分支网络；将代价估计定义为回归任务预测代价值，将查询优化和索引选择定义为二分类任务判断策略优劣；采用元学习算法在多个异构数据库查询数据集上联合训练模型，获得具备快速适应新数据库能力的通用初始参数。本发明实现了任务间隐式知识迁移与协同优化，克服单任务壁垒，提升全局性能；跨数据库元学习策略使模型获得强泛化性通用初始状态；面对新数据库环境时，可显著缩短部署周期，避免昂贵重训练。