原副标题：不必DBA去做操控性Listary的资料库，通心面！
增加，大量的资料库示例须要高质量专家展开操控性确诊与Listary，资料库管理各项任务的育苗与时间生产成本上升，限制了升级换代资料库的小规模应用领域。
2023年8月16日~18日，由IT168联合旗下ITPUB、ChinaUnix两大控制技术街道社区承办的第14届中国资料库控制技术大会（DTCC2023）在北京会展召开。政协hbgk高级CTO尹强发表《Mach驱动的操控性自治权策略》主题演说，分享政协hbgkKES将原来依赖育苗展开的Listary方式、操作处理过程外化到资料库产品中，由控制系统自动或全自动完成，进而帮助资料库网络管理相关人员高效率化解资料库的示例和SQL操控性难题等资料库控制技术研发成果。
操控性Listary无法再仅靠DBA了
资料库的操控性Listary，是一件非常关键却又费时费力的事情。关键在于资料库控制系统的操控性是关键信息控制系统高效率运行的前提和保证，费时体现在操控性Listary对网络管理相关人员的要求较低。
在实际工作中，针对一条2000行左右的SQL句子，网络管理相关人员预测起来是较为费时的，常规做法是逐段预测继续执行计划，然后寻找化解办法（如重写、加检索、加hint等），校正操控性是否符合要求，如此王奶贵多次，整个处理过程可能将可能需要数天即使几天。在全自动预测的处理过程中，还可能将会遇到操控性突然不符合要求，但是控制系统能够提供的关键信息不如，定位根因较为难等难题。
相对复杂的关键点难题处理须要DBA具备更为专业的科学知识专业技能，津津乐道所优化企业的背景科学知识等。假如DBA销售业务能力不如强，SQL操控性难题将会给销售业务带来继续执行效率上的低落，即使是稳定性上的机械故障。这些无疑都推高了操控性Listary的生产成本。
当前升级换代资料库正面临着小规模代替，假如操控性Listary的各项任务生产成本过高，对于用户和供应商单厢产生较低的货币乘数生产成本。随着升级换代资料库的代替迈入大亚湾区，核心应用领域的代替日益增多，对高效率Listary工具的需求越发迫切。
一句话概括，操控性Listary无法再仅靠DBA了。
尹强表示，资料库操控性Listary的种种难题，本质上都可归为资料库的易确诊性较为低。化解方式就是将过往育苗Listary的处理过程外化到资料库的Mach中，实现操控性的自治权。比方说，对一个各项任务，过往做操控性Listary的时候可能将网络管理相关人员须要自己收集操作控制系统和资料库的统计关键信息，因为关键信息不足和操控性指标不统一等难题，可能将须要展开漫长的数轮的预测才能化解难题。通过政协金仓的资料库操控性自治权能力，可将过往需花费一两天完成的各项任务，通过敲几个命令轻松完成。因为资料库能够自动采集关键信息，生成快照数据和报告，用户通过查看报告即可定位难题，同时，hbgk提供更进一步的工具可以指导用户解决难题。
通过自治权让操控性Listary越来越简单
针对资料库的自治权能力，国内外都已展开过大量探索。自治权计算最初由IBM在2001发起，主流的商业资料库供应商自2003年启动资料库自治权方面的研发工作，但事实上此前不少数据库控制技术，如查询优化器也可以归于自治权范畴。
尹强表示，自治权资料库其实是从基础级、管理级、预测级到自适应级逐步发展的，相当于汽车从全自动挡到自动挡的变化处理过程。
在基础级阶段，管理者往往要依靠能力和经验来做Listary；到管理级的时候，控制系统能够去做相对完善的关键信息收集，管理者可以基于这些关键信息去做预测和决策；到预测级时，控制系统可以自己做模式识别与预测，以遇到TOP SQL难题为例，控制系统可以根据难题预测原因——缺检索、缺逻辑优化规则，还是因为类型转换出现无法使用检索的难题，并作出相应建议；最后是自适应级，相对于预测级的全自动升级到了自动档的状态，遇到操控性难题控制系统可以自动展开优化。
因此，KES在Mach中建立了自治权资料库的框架，将感知、确诊、建议、优化的处理过程都模块化，从而能够灵活地基于建议各项任务对各个模块展开填充，从而不断的完善产品能力。在确诊和建议方面，针对传统资料库内部的操控性度量单位不同、内容不全面，无法准确确诊定位问题，KES以资料库时间为单位，统一了度量衡，建立了基于资料库时间的决策树模型，可以自顶向下来定位操控性难题的根本原因。对于SQLListary中常见的基数估计错误难题，KES可以利用继续执行结果自动修正，对于基数估计偏差较大的情况，经过一轮或数轮的迭代继续执行，可以给出更优的继续执行计划。
基于上述的设计思想，KES在资料库内部里实现了大量的动态操控性视图，并提供KWR、KWRDIFF、KSH等确诊报告。此外，KES提供KDDM、SQLListary建议器等建议能力，对于内存不足、IO难题、锁难题、缺少检索等常规难题，用户直接调用KDDM、SQLListary建议器即可给出建议。对于建议器未能覆盖的难题，须要用户通过预测KWR、KSH、继续执行计划等来展开育苗预测。更进一步的，对于逻辑优化规则和基数估计能够做到自适应。
目前，在DB4AI方面，KES已经把AI的一些算法引入到资料库中来，包括随机森林、决策树等，用户可以直接通过调用SQL接口来实现模型训练或者推理。除此之外，KES致力于将AI应用领域在趋势预测、参数Listary、基数估计等方面。
做产品最关键的是什么？在政协hbgk看来，首先是瞄准客户需求，其次是利用好现有和前瞻性的控制技术，更好地服务客户的需求，打造一个真正能够化解客户难题的，足以媲美国外优秀产品的资料库，这样的产品，理应具备自治权、多模、AI等能力。
尹强表示，在操控性管理方面，KES的方向和目标就是自治权，让用户的操控性Listary工作越来越简单。KES将持续提供更丰富的建议和自适应的能力，包括更丰富的SQL建议，参数建议，PGA、SGA的自适应，继续执行计划代价的自适应等。关于逻辑优化的规则，hbgk已经实现了数十条常用的逻辑优化规则，能够满足大部分复杂销售业务的需求。剩余的逻辑优化规则，政协hbgk将通过关键控制技术的突破，持续补充完整。
虽然国内资料库产业起步较晚，但时过境迁，控制技术与产业环境都在不断发展。如今，升级换代资料库的时代已经到来。伴随着政协hbgk在操控性自治等方面的诸多探索，客户一直考虑的升级换代资料库能无法扛住销售业务?升级换代资料库用起来不顺手怎么办?如何实现资料库的代替和迁移等难题将一一而解。升级换代资料库突破将涌现一个又一个新的可能将性，推动产业发展进入全新阶段。
