機器學習如何自動優化資料庫的八卦

之前看老楊寫了篇爆文，《DBA要失業了？看ML如何自動優化資料庫》，當時猛一看很有革命性，但是在看了這篇文章之後，有了兩點想法，第一是，目前的自動化優化方式還在探索當中，並不是一個革命性的顛覆研究結果，但是很有潛力，因為資料庫和機器學習聯絡在一起，如果繼續往下走，還是有無限可能的，第二是，DBA現有的工作還是有很多的改進之處，也給追求穩定安逸功能我們敲響了警鐘。

這篇文章從另外的角度來看看這個開源專案ottertune,因為消化裡面的論文還是需要很多的時間，但是我大體看了下思路還是連貫的。

我們來扒一扒裡面的作者，也間接來透視下這個開源專案。

首先這個開源專案是otttertune,是大名鼎鼎的CMU(卡內基梅隆大學）推出的，github地址是：https://github.com/cmu-db/ottertune，如下：

卡內基梅隆作為世界計算機行業的精英要臉，不光是自己要玩得High,也更加開放，讓更多的人來了解他們。github上該大學有一個專門的資料組，是以學校名義建立的，裡面不僅僅有ottertune，還有很多的工具，感興趣的可以看看。

裡面應該包含了資料庫相關專業的所有學生，越是細看，越是覺得有意思。

我們來看一下作者，如果檢視ottertune裡面readme的介紹，最後會給出貢獻者。

在此就會有幾個疑問，這幾個學生到底是什麼來頭，最後的學生為什麼沒有單獨引入進來。

結果一查還真是讓我吃了一驚，裡面的Dana是位phD(博士），專攻這個方向，而且同時參與了多個專案。

第二位是助理教授（級別高於講師而低於副教授）

如果你細心一些會發現，作者的排名可是這位Dana排在前面，後面才是助理教授。

如果你覺得沒有什麼，我們繼續看第三位作者：

這位可是教授，排在了第三個位子，讓我確實有些吃驚，按照很多排位，一般都得是資歷最深，而在這裡相反我可以猜測是因為Dana主導了這個專案，投入了更多的精力。

那麼最後一位作者呢，我們看看裡面提供的相關資料，就是論文，大概16頁，作者是來自北京大學的一位同學。

這個發現讓我有了一種很熟悉的感覺，因為這個是涉及深度學習的內容，整個專案的實現是選擇了Python來實現，裡面含有大量的類庫。

這是Ottertune工作的一個基本原理圖，在論文裡面提供了更多的細節。

目前支援的資料庫是MySQL和PostgreSQL,他們的一個發力點就是引數的優化方面。

比如下面的就是他們做為調優內容的一個初步的結論，後面也在不斷的改進過程中，因為是按照機器學習的角度來入手，很多思維和處理方式和DBA的還是有一些差別，希望能夠引入更多的火花。

而從學術角度來說，我的積澱還不夠深入，不能夠給出很深入的分析。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/23718752/viewspace-2144185/，如需轉載，請註明出處，否則將追究法律責任。