湖南
分享至
DBA 更胜一筹：
1）精细化调优
需要结合业务访问特点、特殊场景的配置，需要DBA介入进行精细化调优。比如MySQL5.7主从半同步性能，通过调整从库自旋锁等待时间可以提升性能，但是会加大同步延迟，导致高可用风险隐患较高。
2）错误调整索引
相同的表，两个业务访问，AI根据慢SQL优化针对业务A调整了索引，但影响了业务B的访问性能。模型未充分理解复杂业务逻辑关联或数据访问模式的相互影响。
3）训练数据偏差导致的误判
接着上一个错误调整索引的例子，这其实是因为训练数据有偏差导致的。实际操作时，训练数据主要来自开发/测试环境，未能覆盖生产环境的真实复杂性和数据分布偏差，导致模型在线上表现失真，在复杂场景下实时动态自适应调整情况下，可能给出错误的调整参数。
4）目标设定不当的故障
如果优化目标过于单一，如只盯着内存、CPU、或者网络带宽等单一指标的利用率压到最低，AI可能通过不合理的操作，破坏了业务的稳定性。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
