性能数据库¶

性能数据库是 normalized query protocol 背后的版本化 evidence store。它回答一个精确问题——某个 architecture component 或合法 implementation 在明确 context 中预计如何表现——但不会把 architecture choice 或 calibration knob 隐藏在 lookup table 中。

设计状态

第一版通用 slice 已实现为 CostQuery、CostEstimate、CostResolver、PerformanceDatabase 与 typed provider。Static inference 已消费该 resolver；training 在 equivalence migration 前仍直接加载 SystemProfile。VidurProfileBaseline 保持 baseline-only；独立的 VidurProfileImporter 才是显式 evidence promotion 路径。详见 Cost Provider 与性能数据导入。

Request Contract¶

已实现的 CostQuery——更广义 EstimateRequest 设计的第一版 slice——标识所有可能实质影响 task-latency result 的维度：

subject identity
  portable task + legal implementation revision
workload context
  operation, shape, dtype, layout, operations, bytes, message volume
architecture context
  blueprint, component/engine, memory space, capability and implementation revisions
deployment context
  device class, topology/link class, participant count, placement, runtime/library revision
execution context
  concurrency class, queue/resource occupancy, power mode
evidence policy
  admissible providers, freshness, uncertainty and fallback limits

Optional field 是显式 unknown，而不是从 cache key 中省略的维度。Provider 要声明自己需要哪些字段，以及答案在哪个 domain 内有效。

Result Contract¶

已实现的 CostEstimate 不只是一个标量：

metrics             latency, energy, bandwidth, utilization, counters
uncertainty         interval/distribution/confidence and sample count
validity            exact domain, interpolation, extrapolation distance
provenance          provider, raw record IDs, source and calibration revisions
method              measured, simulated, analytical, calibrated, fallback
diagnostics         missing context, assumptions, rejected alternatives

Normalization 不会抹掉 provider detail。Provider-specific payload 可以作为 typed extension 附加，而 planner 与 audit 所需的字段保持 portable。

存储模型¶

数据库把 immutable raw evidence 与 derived index/calibrated model 分开：

Collection	内容	更新规则
Raw records	benchmark sample、simulator run、profiler event	append-only
Environment manifests	device、driver、firmware、runtime、clock、topology、protocol	content-addressed
Aggregates	cleaned sample、distribution、confidence interval	可重建
Calibration revisions	拟合 curve/model 与 training-set digest	新的 immutable revision
Query indexes	normalized request dimension 的检索加速	可重建

每个 raw sample 都应尽可能记录 unit、warm-up、repetition count、synchronization method、clock/power state 与 measurement error。单独一个 (op_name, latency) 不能构成充分 evidence。

Provider Protocol¶

Provider 当前暴露以下 normalized operation；更丰富的 explain() view 仍属于后续工作：

class CostProvider(Protocol):
    @property
    def revision(self) -> str: ...

    def supports(self, query: CostQuery) -> CostSupport: ...
    def estimate(self, query: CostQuery) -> CostEstimate: ...

supports() 在昂贵求值前报告 domain coverage 与缺失的 required field。对于同一 request/provider revision，estimate() 必须确定；若使用随机协议，则结果要显式记录 seed 与 stochastic protocol。

Resolution Policy¶

CostResolver 负责选择 evidence，而不是堆叠 correction factor。一种典型 policy 可以依次偏好：

compatible direct measurement；
已在目标 revision 验证的 compatible simulator result；
measured domain 内的 calibrated interpolation；
analytical estimation；
显式 conservative fallback。

冲突 source 仍然可检查。Resolver 记录某个 source 胜出的原因和其他 source 被拒绝的原因。只有具名、版本化且声明输入的 model 才能 blend evidence，不能使用匿名 coefficient product。

Cache Identity 与可复现性¶

Result cache key 包含 canonical request digest、provider revision、calibration revision、resolver-policy revision，以及相关时的 deterministic seed。因此 target、deployment、runtime、topology 和 concurrency context 都是 identity 的一部分，而不是 ambient state。

发布的 plan 携带 evidence snapshot fingerprint。在该 snapshot 下重建时，系统要么复现相同 result，要么报告所需 evidence 已不可用；绝不能静默升级到数据库最新状态。

不依赖 Case Fitting 的校准¶

Calibration 从 observation 学习 target-wide 或 implementation-family response behavior，例如 operation-size efficiency、transfer-size efficiency、network efficiency、launch overhead 或 contention model。Training data 与 validation split 都要版本化。

禁止输入 benchmark case ID、comparison-oracle total time，或唯一作用是匹配某张表的 per-model correction factor。这些变量不能解释因果 target behavior，也无法泛化到新 plan。

从 SystemProfile 迁移¶

现有 SystemProfile 已经提供 matrix/vector throughput、memory transfer 与 collective 的有用版本化 curve。迁移应通过 provider 保持现有行为：

Static inference 已完成：把 portable task 转换为 normalized query；
已完成：将当前 profile 包装为 roofline/system-evidence provider；
Training 待完成：通过 resolver 复现当前 Calculon experiment；
已实现 slice：加入带 source revision/file digest 的 exact measured/simulated record；更完整 environment manifest 待实现；
只有 equivalence test 通过后，才替换 training estimator/profile 的直接耦合。

这种分阶段 adapter 能保留已验证的 workload analysis，同时让 provenance、uncertainty 与未来 hardware simulator 成为 first-class capability。