前言
这部分的内容也是基于上章节提到的数据库优化的各种操作，比如逻辑层面，以及物理层面的，而这节将从物理层面来介绍PG 基于算法的优化，提到PG的算法优化就从PG引以为豪的遗传算法来介绍以及对比动态规划的优缺点来分别得出结论，什么情况下使用PG得到最好的解决方案。
动态规划算法
简单的介绍动态规划算法，表示在多表进行关联操作的时候，会从第1层关系到N-1层关系，每一层都算出最优的路径，然后跟第N层关系进行关联得到最后的结果，在这个过程中会分为两个阶段，第一个阶段为初始化阶段，构造第一层关系，第二阶段是归纳，生成1到N-1层关系，然后跟第N层进行关联。这时候就产生左深树，如果是从第K层开始构造第一层关系往外两头进行关联，这时候就产生紧密树。
对比紧密树的处理过程
遗传算法
上面提到的动态规划确实可以得到每一层的最优的路径然后跟最后一层关联得到最后的结果，但是这个算法会产生空间膨胀的问题，严重的影响到查询性能，这就需要到遗传算法来解决这个空间膨胀的问题，官方推荐的是12张表或者以上的关联，推荐使用遗传算法来解决查询过程空间膨胀的问题，遗传算法之所以能解决空间膨胀的问题在于提供的gimme类型的函数，进行顺序杂交，位置杂交等。
书中详细的介绍了算法的重点函数以及数据结构，在这里就不详细的秒杀，有兴趣的读者可以下载PG的源码对着书中的介绍来学习，这里主要还是说遗传算法的优势，染色体适应性强，有效解决空间膨胀的问题，与动态规划对比只要有以下的情况
现在回想起来电商的项目确实里面业务有复杂的情况需要使用到超过10个表的关联操作，使用PG来替代Mysql确实是出于PG强大的遗传算法的理解。