机器学习如何自动优化数据库的八卦

之前看老杨写了篇爆文，《DBA要失业了？看ML如何自动优化数据库》，当时猛一看很有革命性，但是在看了这篇文章之后，有了两点想法，第一是，目前的自动化优化方式还在探索当中，并不是一个革命性的颠覆研究结果，但是很有潜力，因为数据库和机器学习联系在一起，如果继续往下走，还是有无限可能的，第二是，DBA现有的工作还是有很多的改进之处，也给追求稳定安逸功能我们敲响了警钟。

这篇文章从另外的角度来看看这个开源项目ottertune,因为消化里面的论文还是需要很多的时间，但是我大体看了下思路还是连贯的。

我们来扒一扒里面的作者，也间接来透视下这个开源项目。

首先这个开源项目是otttertune,是大名鼎鼎的CMU(卡内基梅隆大学）推出的，github地址是：https://github.com/cmu-db/ottertune，如下：

卡内基梅隆作为世界计算机行业的精英要脸，不光是自己要玩得High,也更加开放，让更多的人来了解他们。github上该大学有一个专门的数据组，是以学校名义创建的，里面不仅仅有ottertune，还有很多的工具，感兴趣的可以看看。

里面应该包含了数据库相关专业的所有学生，越是细看，越是觉得有意思。

我们来看一下作者，如果查看ottertune里面readme的介绍，最后会给出贡献者。

在此就会有几个疑问，这几个学生到底是什么来头，最后的学生为什么没有单独引入进来。

结果一查还真是让我吃了一惊，里面的Dana是位phD(博士），专攻这个方向，而且同时参与了多个项目。

第二位是助理教授（级别高于讲师而低于副教授）

如果你细心一些会发现，作者的排名可是这位Dana排在前面，后面才是助理教授。

如果你觉得没有什么，我们继续看第三位作者：

这位可是教授，排在了第三个位子，让我确实有些吃惊，按照很多排位，一般都得是资历最深，而在这里相反我可以猜测是因为Dana主导了这个项目，投入了更多的精力。

那么最后一位作者呢，我们看看里面提供的相关资料，就是论文，大概16页，作者是来自北京大学的一位同学。

这个发现让我有了一种很熟悉的感觉，因为这个是涉及深度学习的内容，整个项目的实现是选择了Python来实现，里面含有大量的类库。

这是Ottertune工作的一个基本原理图，在论文里面提供了更多的细节。

目前支持的数据库是MySQL和PostgreSQL,他们的一个发力点就是参数的优化方面。

比如下面的就是他们做为调优内容的一个初步的结论，后面也在不断的改进过程中，因为是按照机器学习的角度来入手，很多思维和处理方式和DBA的还是有一些差别，希望能够引入更多的火花。

而从学术角度来说，我的积淀还不够深入，不能够给出很深入的分析。

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/23718752/viewspace-2144185/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/23718752/viewspace-2144185/