重磅 | 阿里云发布“自动驾驶”级数据库平台DAS ,全球首创技术让管理成本降9成

本文涉及的产品
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
云数据库 Tair(兼容Redis),内存型 2GB
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
简介: 4月22日,阿里云发布全新数据库产品DAS,该平台由阿里云及达摩院联合研发,可提供自感知、自修复、自优化、自安全的全链路数据库管控能力,无需人工干预,让企业像体验“自动驾驶”一样使用数据库,数据库管理成本降低90%。

观看数据库自治服务DAS发布会直播回放
点击领取DAS免费试用

数据库上云已成业界共识。Gartner预测,到2023年,全球3/4的数据库都会跑在云上,然而使用传统方式管理云数据库需要耗费大量人力,而且无法实时发现、应对异常,企业迫切需要为云定制的数据库管理方式。
阿里云DAS基于阿里巴巴数据库十多年大规模运维经验,集成了达摩院AI技术,可以像“自动驾驶”一样体验云数据库,例如提供7 x 24小时异常感知、故障原因分析、修复、跟踪评估等全链路能力,保障数据库持续稳定、高效运行。DAS相关研究成果已连续两年入选数据库领域顶会VLDB。

image.png

相比传统数据库管理方式,DAS拥有六大特性

六大核心自治特性

🔸7 x 24实时异常检测:通过机器学习算法,实时对数据库的Workload进行异常检测,相比基于阈值的告警方式,能够更及时的发现数据库的异常,而不是靠故障驱动。
🔸异常自愈:DAS发现异常后,自动进行根因分析,定位到问题后,自动执行相关止损/修复/优化操作,帮助数据库自动恢复,减少对企业业务的影响;
🔸自动优化:基于全局Workload和真实的业务场景,而不是基于单条SQL,持续的对数据库进行SQL Review和优化,就像有一个不知疲倦的专业DBA一直在守护着您的数据库;
🔸智能调参:数据库的参数成百上千,用户的业务场景多种多样,靠人肉的方式无法将参数调整为最优的配置,DAS和达摩院合作,通过人工智能技术,和智能压测相结合,可以为每个数据库实例自动推荐最优的参数模版;
🔸AutoScale:基于机器学习,自动对数据库的业务模型、容量水位进行计算和预测,实现先知先觉式的自动扩缩容;
🔸智能压测:为用户提供个性化的压测服务,DAS可以自动学习业务模型,按需自动生成接近真实业务的Workload,同时提供丰富和个性化的压测场景,帮助用户解决大促、数据库选型等等问题。

四大核心创新和突破

🔸首个全局综合自治引擎:基于根因分析以及实例全维度聚合信息,进行集中决策、冲突解决、专项自治场景决策分发,在多场景下实现综合自治。

🔸首个外置式Cost-based SQL诊断:基于代价的诊断引擎,一套独立于数据库之外的优化器,并以自适应的统计信息收集机制,基于执行计划的代价评估,实现SQL精确诊断与优化建议输出。

🔸基于全局Workload的SQL优化技术:以Workload负载为优化单位,综合考虑Workload中影响整体性能的特征,如SQL执行消耗资源占比、读写比等,进行整体优化,实现全局性能最大化提升,同时最大化降低空间消耗。

🔸基于机器学习的Workload异常发现与预测:基于人工智能的Workload异常发现,自动感知数据库的异常,并自动触发全局优化,变被动式优化为实时的、主动式的全局优化。

据悉,阿里云DAS已大规模应用于阿里巴巴内部业务场景,累计优化超4200万 SQL、回收超4 PB空间,并服务了大量电商、金融、游戏等领域企业。
以国内领先的游戏直播平台斗鱼为例,其每日业务调用量在千亿左右,背后需要数以千计的数据库集群支撑,传统数据库管理的方式无法应对如此大规模的流量挑战。

斗鱼基础架构部负责人丁铁球表示:“在斗鱼上云搬站的过程中,阿里云数据库自治服务DAS帮助我们实现了云上云下多环境数据库统一管理,避免混合云状态下的运维管理割裂。

DAS提供的智能诊断和自治服务,提升了规模化日常运营、大促、重大赛事等活动的保障效能,降低数据库保障门槛,让我们对活动期间的全局运行状态了然于胸。同时降低了数据库集群的运维和管理成本,我们可以将更多精力投入到业务创新上,为用户提供更好的游戏和娱乐体验。”

阿里云资深技术专家李广望表示:“DAS将引领数据库迈入‘自动驾驶’时代,让数据库变得更智能、更稳定、更安全、更经济,帮助用户专注于业务创新,助力企业“驶”入业务增长的快车道。未来3年,云上80%的数据库将开启‘自动驾驶’。”

DAS团队与达摩院合作的多项研究成果,也取得了国际学术界的多项认可:

2018年,WWW 《Unsupervised Anomaly Detection via Variational Auto-Encoder for Seasonal KPIs in Web Applications》

2019年,VLDB 《iBTune: Individualized Buffer Tuning for Large-scale Cloud Databases》

2020年,VLDB 《Diagnosing Root Causes of Intermittent Slow Queries in Large-Scale Cloud Databases》

作为全球前三、亚太第一的云服务商,阿里云拥有丰富的数据库产品,目前已有超过40万个数据库实例迁移到阿里云上,包含零售、金融、政务、电信、制造、物流等多个领域的龙头企业。

相关阅读

如何应对数据库CPU打满?最优解在这里...

倒计时6天 | 运维界的绝世秘笈被我们发现了!听阿里小哥用rap为你一一道来...

陷入人肉SQL优化的恶性循环怎么办?是时候跟它们说再见了

因“智”而治,数据库自动驾驶时代大门即将开启!

耗时又繁重的SQL优化,以后就都交给TA吧!
image.png
错过直播的小伙伴们

扫描二维码可以观看回放哦!
image.png

相关实践学习
使用DAS实现数据库自动扩容和回缩
暂无
目录
相关文章
|
20天前
|
数据库 索引
深入探索数据库索引技术:回表与索引下推解析
【10月更文挑战第15天】在数据库查询优化的领域中,回表和索引下推是两个核心概念,它们对于提高查询性能至关重要。本文将详细解释这两个术语,并探讨它们在数据库操作中的作用和影响。
43 3
|
20天前
|
数据库 索引
深入理解数据库索引技术:回表与索引下推详解
【10月更文挑战第23天】 在数据库查询性能优化中,索引的使用是提升查询效率的关键。然而,并非所有的索引都能直接加速查询。本文将深入探讨两个重要的数据库索引技术:回表和索引下推,解释它们的概念、工作原理以及对性能的影响。
41 3
|
26天前
|
存储 NoSQL 关系型数据库
数据库技术深度解析:从基础到进阶
【10月更文挑战第17天】数据库技术深度解析:从基础到进阶
55 0
|
19天前
|
负载均衡 网络协议 数据库
选择适合自己的数据库多实例负载均衡技术
【10月更文挑战第23天】选择适合自己的数据库多实例负载均衡技术需要全面考虑多种因素。通过深入的分析和评估,结合自身的实际情况,能够做出明智的决策,为数据库系统的高效运行提供有力保障。
104 61
|
17天前
|
SQL Java 数据库连接
在Java应用中,数据库访问常成为性能瓶颈。连接池技术通过预建立并复用数据库连接,有效减少连接开销,提升访问效率
在Java应用中,数据库访问常成为性能瓶颈。连接池技术通过预建立并复用数据库连接,有效减少连接开销,提升访问效率。本文介绍了连接池的工作原理、优势及实现方法,并提供了HikariCP的示例代码。
31 3
|
19天前
|
缓存 负载均衡 监控
数据库多实例的负载均衡技术深入
【10月更文挑战第23天】数据库多实例负载均衡技术是确保数据库系统高效运行的重要手段。通过合理选择负载均衡策略、实时监控实例状态、不断优化调整,能够实现资源的最优分配和系统性能的提升。在实际应用中,需要根据具体情况灵活运用各种负载均衡技术,并结合其他相关技术,以满足不断变化的业务需求。
|
19天前
|
Java 数据库连接 数据库
优化之路:Java连接池技术助力数据库性能飞跃
在Java应用开发中,数据库操作常成为性能瓶颈。频繁的数据库连接建立和断开增加了系统开销,导致性能下降。本文通过问题解答形式,深入探讨Java连接池技术如何通过复用数据库连接,显著减少连接开销,提升系统性能。文章详细介绍了连接池的优势、选择标准、使用方法及优化策略,帮助开发者实现数据库性能的飞跃。
25 4
|
17天前
|
Java 数据库连接 数据库
深入探讨Java连接池技术如何通过复用数据库连接、减少连接建立和断开的开销,从而显著提升系统性能
在Java应用开发中,数据库操作常成为性能瓶颈。本文通过问题解答形式,深入探讨Java连接池技术如何通过复用数据库连接、减少连接建立和断开的开销,从而显著提升系统性能。文章介绍了连接池的优势、选择和使用方法,以及优化配置的技巧。
16 1
|
19天前
|
SQL Java 数据库连接
打破瓶颈:利用Java连接池技术提升数据库访问效率
在Java应用中,数据库访问常成为性能瓶颈。连接池技术通过预建立并复用数据库连接,避免了频繁的连接建立和断开,显著提升了数据库访问效率。常见的连接池库包括HikariCP、C3P0和DBCP,它们提供了丰富的配置选项和强大的功能,帮助优化应用性能。
38 2
|
22天前
|
存储 SQL NoSQL
数据库技术深度探索:从关系型到NoSQL的演变
【10月更文挑战第21天】数据库技术深度探索:从关系型到NoSQL的演变
30 1