《表1 数据库配置参数自调优方法对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人工智能赋能的数据管理技术研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表1对比了这3种方法在数据库参数自调优上的异同.对于iTuned来说，它本身并没有使用机器学习有关的模型，调优效率受限，而且并不能完全脱离DBA的控制，需要手动部署数据库副本，这直接限制了iTuned的适用范围，使它不适用于负载多变且实时监控的应用；相比之下，OtterTune用高斯模型来迭代搜索最佳配置，不光解决了DBA的问题，还提高了推荐速度，能够适应负载快速变化的应用，但是带来的缺点是对训练样本要求比较高，需要大量数据来训练模型；最新的成果CDBTune运用了与OtterTune相同的数据收集方式，并在线下训练模型，将OtterTune的高斯模型换成了强化学习，这就使得系统减轻了对训练样本的依赖，增强了系统的适应性能够完成对云数据库的参数配置推荐.