基于机器学习的数据库自动调优综述 (2).pdf
版权申诉
63 浏览量
2022-11-29
13:45:36
上传
评论
收藏 636KB PDF 举报
基于机器学习的数据库自动调优综述
一、 DBMS 自动优化介绍
(一) 传统 DBA
传统数据库：通常采用静态配置模板，配置数据库实例参数。采用统一的处理方式，
没有结合具体应用的数据分布与工作负载。
配置策略为：B 树查询、键-地址映射函数查询、穷举法、基于代价估计的启发式算法、
并发控制策略、乐观并发控制、两阶段锁点法等。
经验选择；昂贵的专家；DBA 复制：手动测量性能来自实际应用持续的示例工作负载；
重复实验；
经验+调整指南+直觉：昂贵、效率低。
系统调优的传统做法：辅助 DBA 的调优工具，如 IBM DB2 的配置向导等。
业务多样性和持续可变性使得传统依赖 DBA 手工调优方式在大规模场景下完全不可
行。
(二) 学习式 DBA
机器学习技术有效捕捉负载与数据的特性，对数据库进行全自动调优，比如动态调整
缓冲池的大小。实现自感知、自决策、自恢复、自优化。把人工的DBA 经验转换成产品。
无人驾驶的概念，自动调节方向盘（knob），查看前方路况（适应未来的 workload）、
最终能保证乘客安全驾驶。自主完成 workload，并保证较好的执行效果。同时，不影响前端
的业务处理。
特点：全自动调优、效果中学习。
问题定义、指标定义及选择、关键算法优化、算法评估与改进、端到端的自动化流程
落地。其中算法部分包括：建模、调参、获取反应、学习、产生最优参数。
学习式数据库系统不适用于：频繁更新的数据库，训练代价太大；数据库数据过少或
分布单一，容易过拟合；数据本身没有规律，ML 难以挖掘数据分布。
(三) 功能
重点优化组件：索引结构、查询优化器、事务管理器、系统调优。
学习式索引、学习式查询优化器、学习式系统调优：旋钮设置、并发控制策略、数据
布局。
1. 学习式索引
核心：基于数据分析或特征，通过监督学习对数据的分布进行拟合，形成有效的键-数
剩余12页未读，继续阅读
资源评论
G11176593
- 粉丝: 6693
- 资源: 3万+
最新资源
- 发电系统simulink仿真模型风力光伏发电太阳能电池发电系统键盘中断测试程序
- 青蛙报告青蛙报告青蛙报告
- 发电系统simulink仿真模型风力光伏发电太阳能电池发电系统光敏电阻ADC读取程序
- 发电系统simulink仿真模型风力光伏发电太阳能电池发电系统蜂鸣器驱动程序
- 发电系统simulink仿真模型风力光伏发电太阳能电池发电系统独立看门狗测试程序
- 如何使用redis构建简单的社交网站.md
- 发电系统simulink仿真模型风力光伏发电太阳能电池发电系统定时器中断测试程序
- 发电系统simulink仿真模型风力光伏发电太阳能电池发电系统待机模式测试程序
- Screenshot_20240609_101817.jpg
- 01b8ab2bf936365ce73984328df2f6b2.dav
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
