arXiv:2606.20318 · 中英对照阅读
AgenticDB:面向数据库工作负载的自演化重配置框架
AgenticDB: Self-Evolving Reconfiguration Framework for Database Workloads
中文速览
数据库调优要在成百上千个参数里找到适合具体负载的设置,但现有方法常因搜索范围受限、试错轮次多,或配置失败缺少恢复而错失性能。AgenticDB让大语言模型扮演数据库管理员,结合负载、配置和运行状态诊断瓶颈,并联动调整数据库与操作系统参数;每轮再根据性能变化更新判断,同时验证配置、出错时自动修复或回滚。它在 MySQL 和 PostgreSQL 的多种测试中,平均性能比最好的对照方法高 118.1%,找到最佳配置所需总时间减少 22.6%,相似负载的调优经验还能帮助更快找到好配置。这种做法把调优从盲目试参数变成看运行情况持续诊断、调整和恢复,让数据库更容易调得快,也更可靠。
摘要
配置调优对数据库性能至关重要,但在实际部署中仍然困难重重。尽管已有显著进展,先前的方法仍未充分挖掘性能潜力,调优效率低下,且对配置验证和故障恢复的支持有限。
Configuration tuning is critical to database performance but remains difficult in real deployments. Despite notable advances, prior methods still leave substantial performance potential unexplored, suffer from low tuning efficiency, and provide limited support for configuration validation and failure recovery.
术语表
- AgenticDB
- AgenticDB
- agentic framework
- 智能体框架
- database workload reconfiguration
- 数据库工作负载重配置
- configuration tuning
- 配置调优
- database knob
- 数据库配置参数
- operating system (OS) parameter
- 操作系统(OS)参数
- large language model (LLM)
- 大语言模型(LLM)
- DBA Planner
- DBA 规划器
- context-grounded bottleneck diagnosis
- 基于上下文的瓶颈诊断
- closed-loop context evolution
- 闭环上下文演化
- runtime state
- 运行时状态
- performance bottleneck
- 性能瓶颈
- database management system (DBMS)
- 数据库管理系统(DBMS)
- configuration validation
- 配置验证
- failure recovery
- 故障恢复
- configuration space
- 配置空间
- Bayesian optimization
- 贝叶斯优化
- reinforcement learning
- 强化学习
- knob selection
- 参数选择
- dimensionality reduction
- 降维
- value bucketization
- 取值分桶
- range pruning
- 范围剪枝
- historical-data-driven method
- 历史数据驱动方法
- documentation-guided method
- 文档引导方法
- CDBTune
- CDBTune
- AgentTune
- AgentTune
- YCSB
- YCSB
- Sysbench
- Sysbench
- TPC-H
- TPC-H
- time-to-best
- 达到最优配置的时间