1.概述
Predictor是基于机器学习且具有在线学习能力的查询时间预测工具。通过不断学习数据库内收集的历史执行信息，实现计划的执行时间预测功能。
本特性需要拉起python进程AIEngine，用于模型的训练和推理。
2.环境部署
前提条件
需要保证openGauss数据库处于正常状态，用户通过身份验证成功登录openGauss；用户执行的SQL语法正确无报错，且不会导致数据库异常等；历史性能数据窗口内openGauss并发量稳定，表结构、表数量不变，数据量无突变，涉及查询性能的guc参数不变；进行预测时，需要保证模型已训练并收敛；AiEngine运行环境稳定。
请求样例
AiEngine进程与内核进程使用https发送请求进行通信，请求样例如下：
curl -X POST -d '{"modelName":"modelname"}' -H 'Content-Type: application/json' 'https://IP-address:port/request-API'
表 1 ： AI-Engine对外接口
|
Request-API |
功能 |
|---|---|
|
/check |
检查模型是否被正常拉起 |
|
/configure |
设置模型参数 |
|
/train |
模型训练 |
|
/track_process |
查看模型训练日志 |
|
/setup |
加载历史模型 |
|
/predict |
模型预测 |
证书生成
使用此功能前需使用openssl工具生成通信双方认证所需的证书，保证通信安全。
-
搭建证书生成环境，证书文件保存路径为$GAUSSHOME/CA。
–拷贝证书生成脚本及相关文件
cp path_to_predictor/install/ssl.sh $GAUSSHOME/ cp path_to_predictor/install/ca_ext.txt $GAUSSHOME/–copy 配置文件openssl.cnf到$GAUSSHOME路径下
cp $GAUSSHOME/share/om/openssl.cnf $GAUSSHOME/–修改openssl.conf配置参数
dir = $GAUSSHOME/CA/demoCA default_md = sha256–至此证书生成环境准备完成
-
生成证书及密钥
cd $GAUSSHOME sh ssl.sh–根据提示设置密码，假如为Test@123：
–密码要求至少3种不同类型字符，长度至少为8位
Please enter your password:–根据提示输入选项：
Certificate Details: Serial Number: 1 (0x1) Validity Not Before: May 15 08:32:44 2020 GMT Not After : May 15 08:32:44 2021 GMT Subject: countryName = CN stateOrProvinceName = SZ organizationName = HW organizationalUnitName = GS commonName = CA X509v3 extensions: X509v3 Basic Constraints: CA:TRUE Certificate is to be certified until May 15 08:32:44 2021 GMT (365 days) Sign the certificate? [y/n]:y 1 out of 1 certificate requests certified, commit? [y/n]y–输入拉起AIEngine的IP地址，如IP为127.0.0.1：
Please enter your aiEngine IP: 127.0.0.1–根据提示输入选项：
Certificate Details: Serial Number: 2 (0x2) Validity Not Before: May 15 08:38:07 2020 GMT Not After : May 13 08:38:07 2030 GMT Subject: countryName = CN stateOrProvinceName = SZ organizationName = HW organizationalUnitName = GS commonName = 127.0.0.1 X509v3 extensions: X509v3 Basic Constraints: CA:FALSE Certificate is to be certified until May 13 08:38:07 2030 GMT (3650 days) Sign the certificate? [y/n]:y 1 out of 1 certificate requests certified, commit? [y/n]y–输入启动openGauss IP地址，如IP为127.0.0.1：
Please enter your gaussdb IP: 127.0.0.1–根据提示输入选项：
Certificate Details: Serial Number: 3 (0x3) Validity Not Before: May 15 08:41:46 2020 GMT Not After : May 13 08:41:46 2030 GMT Subject: countryName = CN stateOrProvinceName = SZ organizationName = HW organizationalUnitName = GS commonName = 127.0.0.1 X509v3 extensions: X509v3 Basic Constraints: CA:FALSE Certificate is to be certified until May 13 08:41:46 2030 GMT (3650 days) Sign the certificate? [y/n]:y 1 out of 1 certificate requests certified, commit? [y/n]y–至此，相关证书及密钥已生成，（$GAUSSHOME/CA）内容如下：
环境准备
-
将工具代码文件夹拷贝至目标环境
–假设安装路径为$INSTALL_FOLDER
–假设目标环境路径为/home/ai_user :
scp -r $INSTALL_FOLDER/bin/dbmind/predictor ai_user@127.0.0.1:path_to_Predictor -
拷贝CA证书文件夹至aiEngine环境中某路径下：
cp -r $GAUSSHOME/CA ai_user@127.0.0.1:path_to_CA -
安装predictor/install/requirements(-gpu).txt工具（该功能比较特殊，与其他AI功能不同，需要独立安装依赖）：
有GPU：pip install -r requirements-gpu.txt 无GPU：pip install -r requirements.txt
拉起AiEngine
-
切换至aiEngine环境（即拷贝predictor的目标环境 ai_user）：
设置predictor/python/settings.py 中的相关参数：
DEFAULT_FLASK_SERVER_HOST = '127.0.0.1' （aiEngine运行IP地址） DEFAULT_FLASK_SERVER_PORT = '5000' （aiEngine运行端口号） PATH_SSL = "path_to_CA" (CA文件夹路径) -
运行aiEngine启动脚本：
python path_to_Predictor/python/run.py此时，aiEngine即在相应端口保持拉起状态，等待内核侧时间预测功能的请求指令。
至此，aiEngine工具部署完成。从内核中发起执行时间预测功能指令步骤，请参考使用指导。
3.使用指导
数据收集
-
打开数据收集。
-
设置ActiveSQL operator信息相关参数:
enable_resource_track=on resource_track_level=operator enable_resource_record=on resource_track_cost=10（默认值为100000）说明： - resource_track_cost需设置为小于需要收集的查询总代价，满足条件的信息才能被收集。 - Cgroups功能正常加载。
-
信息收集：
执行业务查询语句。
查看实时收集数据：
select * from gs_wlm_plan_operator_history;预期：满足resource_track_duration和resource_track_cost的作业被全量收集。
-
-
关闭数据收集。
-
设置ActiveSQL operator信息相关参数：
enable_resource_track=off 或 resource_track_level=none 或 resource_track_level=query -
执行业务查询语句。
等待三分钟之后查看当前节点上的数据：
select * from gs_wlm_plan_operator_info;预期：所查表和视图无新增数据。
-
-
数据持久化保存。
-
设置ActiveSQL operator信息相关参数：
enable_resource_track=on resource_track_level=operator enable_resource_record=on resource_track_duration=0（默认值为60s） resource_track_cost=10（默认值为100000）说明： - resource_track_cost需设置为小于需要收集的查询总代价，满足条件的信息才能被收集。 - Cgroups功能正常加载。
-
执行业务查询语句。
等待三分钟之后查看当前节点上的数据：
select * from gs_wlm_plan_operator_info;预期：满足resource_track_duration和resource_track_cost的作业被全量收集。
-
模型管理（系统管理员用户）
说明： 模型管理操作需要在数据库正常的状态下进行。
-
新增模型：
INSERT INTO gs_opt_model values('……')；
示例：
INSERT INTO gs_opt_model values('rlstm', 'model_name', 'datname', '127.0.0.1', 5000, 2000, 1, -1, 64, 512, 0 , false, false, '{S, T}', '{0,0}', '{0,0}', 'Text');说明： - 具体模型参数设置请参考GS_OPT_MODEL。 - 目前 “template_name” 列只支持 “rlstm”; - “datname” 列请和用于模型使用和训练的数据库保持一致，否则无法使用。 - “model_name” 一列需要满足unique约束。 - 其他参数设置见产品文档最佳实践部分。
-
修改模型参数：
UPDATE gs_opt_model SET <attribute> = <value> WHERE model_name = <target_model_name>; -
删除模型：
DELETE FROM gs_opt_model WHERE model_name = <target_model_name>; -
查询现有模型及其状态：
SELECT * FROM gs_opt_model;
模型训练（系统管理员用户）
-
配置/添加模型训练参数：参考模型管理（系统管理员用户）进行模型添加、模型参数修改，来指定训练参数。
例：
模型添加：
INSERT INTO gs_opt_model values('rlstm', 'default', 'postgres', '127.0.0.1', 5000, 2000, 1, -1, 64, 512, 0 , false, false, '{S, T}', '{0,0}', '{0,0}', 'Text');训练参数更新：
UPDATE gs_opt_model SET <attribute> = <value> WHERE model_name = <target_model_name>; -
前提条件为数据库状态正常且历史数据正常收集：
删除原有encoding数据：
DELETE FROM gs_wlm_plan_encoding_table;进行数据编码，需要指定数据库名：
SELECT gather_encoding_info('postgres');开始训练：
SELECT model_train_opt('rlstm', 'default'); -
获取AI Engine侧模型训练日志相对路径：
SELECT * FROM track_model_train_opt('rlstm', 'default');
模型预测
说明： - 模型预测功能需在数据库状态正常、指定模型已被训练且收敛的条件下进行。 - 目前，模型训练参数的标签设置中需要包含“S”标签，explain中才可显示“p-time”预测值。 例：INSERT INTO gs_opt_model values('rlstm', 'default', 'postgres', '127.0.0.1', 5000, 1000, 1, -1, 50, 500, 0 , false, false, '{ S, T}', '{0,0}', '{0,0}', 'Text');
-
调用explain接口：
explain (analyze on, predictor <model_name>) SELECT ...预期结果：
例：Row Adapter (cost=110481.35..110481.35 rows=100 p-time=99..182 width=100) (actual time=375.158..375.160 rows=2 loops=1) 其中，“p-time”列为标签预测值。
其他功能
-
检查AiEngine是否可连接:
openGauss=# select check_engine_status('aiEngine-ip-address',running-port); -
查看模型对应日志在AiEngine侧的保存路径：
openGauss=# select track_model_train_opt('template_name', 'model_name');
4.最佳实践
相关参数解释参考表GS_OPT_MODEL。
表 1
|
模型参数 |
参数建议 |
|---|---|
|
template_name |
‘rlstm’ |
|
model_name |
自定义，如‘open_ai’，需满足unique约束。 |
|
datname |
所服务database名称，如‘postgres’。 |
|
ip |
aiEngine-ip地址，如‘127.0.0.1’。 |
|
port |
aiEngine侦听端口，如‘5000’。 |
|
max_epoch |
迭代次数，推荐较大数值，保证收敛效果，如‘2000’。 |
|
learning_rate |
(0, 1]浮点数，推荐较大的学习率，助于加快收敛速度。 |
|
dim_red |
特征值降维系数： ‘-1’：不采用PCA降维，全量特征； ‘（0，1] ’区间浮点数：越小，训练维度越小，收敛速度越快，但影响训练准确率。 |
|
hidden_units |
特征值维度较高时，建议适度增大此参数，提高模型复杂度，如 ‘64，128……’ |
|
batch_size |
根据编码数据量，较大数据量推荐适度增大此参数，加快模型收敛，如‘256，512……’ |
|
其他参数 |
参考表GS_OPT_MODEL |
推荐参数配置：
INSERT INTO gs_opt_model values('rlstm', 'open_ai', 'postgres', '127.0.0.1', 5000, 2000，1, -1, 64, 512, 0 , false, false, '{S, T}', '{0,0}', '{0,0}', 'Text');
5.常见问题处理
AI Engine配置问题
- AiEngine启动失败：请检查ip地址，端口是否可用；CA证书路径是否存在。
- 发起请求AiEngine无响应：请检查通信双方CA证书是否一致。
- 训练，测试场景失败：请检查模型文件保存路径是否存在；训练预测文件是否在正确下载。
- 更换AiEngine-IP地址：按照证书生成步骤重新生成证书，在生成证书及密钥中替换成相应的IP地址即可。
数据库内部报错问题
问题：AiEngine链接失败。
ERROR: AI engine connection failed.
CONTEXT: referenced column: model_train_opt
处理方法：检查AIEngine是否正常拉起或重启AIEngine；检查通信双方CA证书是否一致；检查模型配置信息中的ip和端口是否匹配；
问题：模型不存在。
ERROR: OPT_Model not found for model name XXX
CONTEXT: referenced column: track_model_train_opt
处理方法：检查GS_OPT_MODEL表中是否存在执行语句中“model_name”对应的模型；使用预测功能报错时，检查模型是否已被训练；
相关文章
