APQO自适应参数化查询优化框架——OceanBase 校企联合研究成果摘要:传统学习型参数化查询优化依赖静态计划缓存,面对查询参数分布漂移的动态负载时缓存易失效,导致 SQL 查询延迟显著升高。OceanBase 联合华东师大团队提出 APQO 自适应参数化查询优化框架,为首个支持计划缓存在线持续演化的学习型 PQO 方法。该框架通过离线训练基础预测模型、搭配在线轻量级校准器动态修正预测误差,实现计划缓存自适应更新。实验显示,其可将查询长尾延迟降低三个数量级,节省 40%–60% 的查询延迟,相关论文成功入选数据库顶会 SIGMOD2026。