本報告刊在 AWS 官方部落格，是卡內基美隆大學 (Carnegie Mellon University) 電腦科學院團隊的研究產出。學者們使用 AI 來分別自動調校 MySQL 及 PostgreSQL 資料庫效能參數，研究效果顯著。

請參考兩附圖。

img

img

圖中，

  • Default 為資料庫安裝完成後的預設值；
  • OtterTune 為 AI 自動化調校工具；
  • Tuning script 為開放源碼調校工具；
  • DBA 為資料庫管理師經手過後的設定；
  • RDS 為 Amazon RDS 團隊客製化調校後的設定。

結論：

  1. 不管是 MySQL 或 PostgreSQL，OtterTune (AI) 的表現都是最好的。
  2. 不管是 MySQL 或 PostgreSQL，安裝完成後的預設值，表現都是最差的。
  3. 開放源碼調校工具 MySQLTuner 或 PGTune 的表現都很不錯。如果公司沒有資料庫管理師，使用後都可改善。
  4. MySQLTuner 沒有比 DBA 或 RDS 來得好，或可說明雇用 MySQL 資料庫管理師對公司仍有不錯的效能最佳化價值。
  5. MySQL 的表現上，DBA 比 RDS 來得好，或可說明當使用 AWS RDS 時，雇用 MySQL 資料庫管理師來調整 RDS 預設值，對公司仍有不錯的效能最佳化價值。
  6. 使用 PGTune 的效果與 DBA 調校過後差不多，或可說明雇用 PostgreSQL 資料庫管理師對公司在效能最佳化上沒有太大價值。
  7. 使用 PGTune 的效果比 RDS 來得好，或可說明當使用 AWS RDS 時，可再用 PGTune 調校過會更好。
  8. 本論文最後有提供各參數數據，值得一看。

最後，有一個有趣的點，雖然 AWS 在 AI 領域推廣的是 MXNet，但本論文採用的是 Google 推廣的 TensorFlow。

論文資料

論文程式