试用Ottertune以及Akamas这两个AI自动数据库调优工具有感
OtterTune 和 Akamas 都是主要针对数据库的自动参数优化工具,它们使用人工智能和机器学习技术来分析数据库性能并自动调整配置以提高效率。这两个工具都旨在减少数据库管理员手动优化配置的负担,同时提升数据库的性能和资源利用率。
两者背后的模型都是基于组合模型,Ottertune 应该很大基于贝叶斯,Akamas 主要基于递归神经网络。
Ottertune 针对云数据库也有支持,比如笔者正在用的 AWS 的 Aurora。Akama 则是不仅针对数据库参数调优,也对于底层操作系统,虚拟机等等参数也有调优。这两个工具,经过笔者使用,感觉主要针对的是想自己搭建数据库的厂商。云数据库都在减少需要调参的参数,底层系统参数更是一般无法调整,还有目前大部分云数据库都在做存算分离,大大减少了水平扩容的难度以及成本,需要调优的其实更少了。但是,不想用云自己搭建数据库的厂商还是很多的,请个专业的 DBA,可能无法做到随着业务量改变针对当前业务量最优的参数,在这一点 AI 工具可以轻易做到。