在 2019 年发表了题为《iBTune: Individualized Buffer Tuning for Largescale Cloud Databases》的论文中,DAS做了什么?
DAS主要是利用机器学习技术智能地调整缓存大小。当 DBA 只管理 10 个以内的数据库,可以用大脑进行记忆像每个数据库所需要的缓存大小、缓存命中率以及业务 RT 要求等信息,而对于像阿里巴巴这样的情况,需要少量的 DBA 应对上万的数据库。此外。在用户并不具备数据库调优知识时,人工调整缓存也非常困难。这篇论文就尝试解决这样的问题,它通过机器学习方法,预测将缓存降低到什么情况,缓存命中率和 RT 的值会发生什么变化,其中使用的是深度神经网络技术。这样的预测技术在阿里巴巴内部上万个数据库实例中使用得到的收益就是使得数据库内存用量降低了 12.44%。
资料来源:《数据库:从趋势到实践》,链接:https://developer.aliyun.com/topic/download?id=1113
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。