概述：
??在真實的客戶場景中，其實我們不缺索引，索引推薦模塊主要目的是去除冗余索引，使客戶用更少索引達到相同甚至更好的查詢效率。
??該模塊提供了三種索引推薦方法：
????1：簡單索引推薦：簡單的保留高索引索引，推薦效果不理想
????2：基于貪心算法的索引推薦：容易陷入局部最優
????2：基于MTCS的索引推薦：AlphaGo也是基于該算法，推薦效果較好。
??之前我司和一個高校合作設計了一個基于DQN的索引推薦算法，MTCS相較于DQN，計算速度更快，不需要事先訓練好模型，效果也不弱與DQN。（DBMIND的Xtuner數據庫智能調參模塊也是基于MCTS）客戶對推薦效果比較滿意，但是不愿意安裝PG的虛擬索引插件,導致改研究不了了之。目前我正在研究把虛擬索引和PG的內核（parser，rewriter，planner）抽取出來集成到索引推薦模塊中，后續可以繼續做分享。
??下面主要是對基于負載的索引推薦進行解析，改方法是基于單條sql的索引推薦，單條的索引推薦主要是基于sql文本的利用專家規則來進行推薦的，我們此次不涉及該內容。該模塊內容較大，我將會分成兩篇來講，這一篇主要講解預處理和簡單索引推薦部分，下一篇講解復雜索引推薦。
模塊:
components/dao/execute_factory.py：封裝了一些靜態方法。
components/dao/driver_execute.py：通過官方driver psycopg2連接數據庫進行操作，debug時建議時候該方法，可讀性較強。
components/dao/gsql_execute.py：通過python內置的模塊subprocess和CMD命令行連接數據庫進行操作。
components/index_advisor_workload.py：基于負載的索引推薦的核心部分，后面主要對該腳本解析。
components/MCTS.py：蒙特卡洛搜索樹算法的實現。
簡單索引推薦源碼解析
?index_advisor_workload.py/main(argv)：
??輸入參數：
??連接數據庫
?index_advisor_workload.py/index_advisor_workload()：
??1：sql壓縮
???①sql規范化后，相同的sql合并：
???②將相似sql壓縮為sql模版：
???③將量綱變小，出現數除以限定的采樣數
??2：簡單索引推薦
???① 生成候選索引：
????①-①：調用單條sql的索引推薦（拼接sql，使用數據庫內置函數gs_index_advise）
????①-②：對上一步推薦出來的索引進行過濾（虛擬索引 + explain）
?????①-②-①：過濾相同的索引列和索引類型
?????①-②-②：過濾無用索引
????①-③：不同表的相同索引只保留一個
????①-④：使用最左匹配原則過濾索引
???②：可能會遇到某個sql執行較長時間，導致與數據庫的連接斷開。
???③：計算不加索引的cost
???④：遍歷每個索引，計算使用該索引后的增益
???⑤：保留高收益的索引
