数据库是大多数应用程序运行的基础。 尽管不同的应用程序对不同的数据库有不同的需求，但它们都有一个共同点：它们是复杂的系统，需要不断的微调才能以最佳方式工作。
数据库带有大量参数，可以通过“转动旋钮”进行调整。 传统上，这是数据库管理员 (DBA) 的工作。 他们的工作很艰巨，因为他们需要了解数据库的细节、它运行的硬件以及它所服务的工作负载。
IBM、Microsoft 和 Oracle 等一些数据库供应商已采取措施使这项工作自动化。 OtterTune 是一家想要普及此功能的初创公司。 今天，OtterTune 宣布推出其新的自动数据库调优服务的私人测试版，以及由 Accel 领投的 250 万美元初始种子轮融资。 ZDNet 采访了 OtterTune 首席执行官兼联合创始人 Andy Pavlo 以了解更多信息。
从研究到现实世界
Pavlo 是一位杰出的数据库学术研究人员：用他自己的话说，是卡内基梅隆大学计算机科学系的数据库学副教授。 跟随数据库世界的杰出人物和他的导师之一迈克·斯通布雷克 (Mike Stonebraker) 的脚步，帕夫洛现在正着手将他的研究应用于现实世界。
启动轮子的是 Pavlo 和他的团队于 2017 年在 SIGMOD 上发表的作品，SIGMOD 是最大的数据库研究场所之一。 这项工作为如何使用大规模机器学习来自动调整数据库奠定了基础。 它在研究中受到关注，团队受邀在 AWS 机器学习博客上分享他们的工作。
从那时起，有兴趣将此应用到他们的数据库的人的请求开始涌入。Pavlo 当时还没有准备好满足他们，但这清楚地表明他们正在做某事。 现在，他和他的团队表示，他们已准备好迈出下一步，将他们的想法应用到现实世界中。
正如 Pavlo 所说，“学术”版本的 OtterTune 实际上已经在许多用例中使用。 其中包括法国兴业银行和 Booking.com。 OtterTune 还没有任何付费客户，但随着今天宣布的私人测试版，OtterTune 已经开始营业。 OtterTune 适用于本地和基于云的数据库部署（PostgreSQL、MySQL 和 Amazon RDS）。
学术版支持 Oracle，这在 OtterTune 的路线图上将在 2021 年晚些时候支持。这给我们带来了一个有趣的问题，因为 Oracle 已经拥有自己的自治数据库风格。 那么 OtterTune 是如何工作的，它与 Oracle 的实现相比有何不同？
在引擎盖下
Pavlo 的研究主要集中在自主数据库保护下的两个方面。 一种是数据库系统的黑盒优化工作：尝试通过系统公开的 API 优化调整和管理数据库，而不对内部进行任何更改。
另一方面，白盒优化正在从头开始构建一个数据库系统，其理念是它应该是自治的。 OtterTune 和 Oracle 的方法都是黑盒优化工作。 Pavlo 指出，这一领域的工作可以追溯到 1970 年代：
“当时所谓的自适应系统得到了很大的推动，因为人们认识到，使用关系模型，如果你将数据库的实际物理实现或物理表现形式抽象到逻辑层，那么有人需要 决定如何优化该系统。
现在不同的是，人们正在应用机器学习技术来尝试将其自动化。 2000 年代初期，Oracle、IBM 和 Microsoft 的工作实际上是关于人类 DBA 的咨询工具。 他们现在拥有的是相同的高层次方法和工具，除了不是人工点击确定，而是软件本身点击确定并应用更改。”
Pavlo 承认，这是一种被动而非主动的方法，但 OtterTune 也是如此。 然而，一个关键的区别是 OtterTune 扩展到其他数据库，这些数据库不一定具有世界 Oracles 所拥有的那种预算或团队。
虽然 OtterTune 提到使用机器学习，但它也提到它不需要检查应用程序的数据或查询来发挥它的魔力，这让我们摸不着头脑。 然而，正如 Pavlo 解释的那样，OtterTune 连接到数据库并通过标准 SQL 命令检索系统的当前配置。
这些是每个数据库系统维护的内部性能计数器，用于跟踪它们正在做的工作。 读取的页面、写入的页面、持有的锁、查询数量或延迟等指标是 OtterTune 机器学习工作所依赖的。 OtterTune 以不同的频率记录这些指标并将它们存储在一个内部存储库中，该存储库跟踪每个培训课程的所有培训数据、指标和配置。
然后根据数据库系统类型（包括有关硬件的上下文）对该数据进行分段。 这样，训练的统计模型可以预测数据库系统在您更改配置旋钮的值时将如何执行。
OtterTune 的路线图
尽管这听起来很抽象，但实际上应用了一定程度的领域知识。 让旋钮太危险而不能乱用是一个关键问题。 此外，OtterTune 当前仅适用于数据库的全局参数，而不是特定于表级别的参数，这一事实存在细微差别。
然而，总体而言，该方法应该适用于当前支持的系统之外的其他系统，Pavlo 说。 设置基础设施来收集数据是困难的部分。 OtterTune 接下来可能会瞄准 Amazon Aurora，并根据客户需求从那里开始。
250 万美元的种子资金仅仅是个开始。 Pavlo 提到，OtterTune 必将在 2021 年筹集更多资金，并获得商业专业知识的注入，同时增加其目前的 12 名员工，其中大部分是 Pavlo 研究团队的校友。
