点击观看完整视频：数据库风向标
>>>薛高敏（天钰）
阿里云数据库产品经理，现负责数据库自治服务DAS的产品管理、方案设计工作。
>>>陈杰（艾奥）
阿里云数据库高级算法专家，现负责数据库自治服务DAS产品实例弹性扩缩容、异常检测和SQL优化方向的研发。
>>>张涛（鼎智）
阿里云数据库研发专家，现负责DAS数据链路和查询治理方面的研发。
>>>付晗（远名）
博士，现于达摩院数据库存储实验室负责数据库智能研究，曾在ACL、CVPR等人工智能顶级会议上发表论文。
Q
薛高敏：谈到数据库，一个始终离不开的话题就是SQL。我们很多开发者在日常工作中都会接触到SQL。用户在写SQL的过程中，由于不同数据库引擎需要适配不同的SQL模板。导致用户的学习成本变高，而执行效率往往较低。如果出现故障，企业也没有兜底的方案。那么过去和现在都是如何解决这些问题的？
艾奥： 在过去，数据库的运维工作主要依赖DBA进行人工运维。因为DBA对自己负责的数据库及相关业务有很多了解，可以针对性的优化数据库实例、解决相关问题。随着DBA人均负责的数据库实例越来越多，会基于运维知识和场景化开发相应的自动化工具，进一步提高维护的效率和标准。
在云场景下，数据库实例支持的业务越来越多样化，规模也越来越大。企业依赖传统人工运维或特定场景的标准化工具，已经无法解决所有问题。
因此，在云上出现了更多系统化的数据库实例运维工具。它能对实例进行全方位的监控，基于实例的工作负载和性能数据，做出针对性的更新定位。结合机器学习算法，对实例进行调优，达到数据库实例自治的目标。
在阿里云自治服务DAS上，针对SQL的相关问题，例如索引缺失、SQL不优等进行了相应的优化。在空间问题，容量评估、负载问题和数据安全方面，都有相应的场景化分析工具和智能化的策略。
Q
薛高敏：企业的实例数往往非常庞大，如何进行大规模的常态化治理，成为企业非常关心的话题。那么有哪些发现问题SQL的方法？
鼎智： 发现问题SQL的方法，通常可以分为两类。第一类，在上线前发现问题并进行拦截。第二类，是基于智能辅助系统，进行半人工的治理。第三类，全自治的智能数据库。
目前DAS完全覆盖了第一种和第二种方式，作为一个智能辅助系统不断地迭代，提供更准确的归因分析能力。
与此同时，DAS也朝着全自治的目标努力。
Q
薛高敏：关于自然语言到SQL转译问题的最新研究进展。达摩院的智能数据库实验室具体做了哪些方向的探索和解决方案？
付晗： 智能数据库实验室从2019年开始，对NL2SQL相关领域进行研究。目前，主要开展四个方向的研究。
第一个方向，提升神经网络模型的效率。我们设计了一种新的预测方式，可以在相同配置条件下，把吞吐率提升5至10倍。
第二个方向，利用数据库领域的知识，提升SQL在语法和语义上的准确性。目前已可以显著超过现有方法的准确率。
第三个方向，支持多领域的大数据库。达摩院提出了库表定位技术，可以有效支持几十个领域、上千个表的大数据库，并且保证最终的准确率不会下降。
第四个方向，无监督的NL2SQL。神经网络模型需要大量人工标注的数据，标注成本很高。达摩院的主要目标是，不需要人工标注数据实现NL2SQL。
/ End /
