阿里云峰会 | 数据库也能自动驾驶？DAS全天候给你保驾护航！

2020年6月9日，“全速重构”2020阿里云·线上峰会即将隆重召开。

在此次峰会上，阿里云数据库重磅发布云原生分布式数据库 PolarDB-X 、云原生数据仓库AnalyticDB、数据库自治服务DAS、云数据库专属集群、图数据库GDB、云数据库Cassandra版、云数据库ClickHouse 7款跨时代产品，用技术倾情打造新数字时代的基石！

今天小编为大家倾情呈现全球首个数据库自动驾驶云平台DAS产品亮点！

过去10年，数据库上云俨然已成共识，云数据库相较于传统线下数据库，解决了资源、弹性、高可用、备份、监控等基本DB运维负担。但如何用好数据库，如何对数据库进行快速诊断和持续优化，对一般应用开发者而言，依然充满挑战。

阿里云基于阿里巴巴自身数据库规模化运维的专家经验，结合人工智能和机器学习技术，实现自感知、自诊断、自修复和自安全的数据库自动驾驶能力，今天依托于阿里云平台，推出数据库自治服务，正式向云上客户开放。

DAS是业界首次以独立云服务的方式实现数据库自治能力，推出六大核心自治特性，覆盖支持包括OLTP(RDS/PolarDB)、NoSQL(Redis/MongoDB)、OLTP(ADB)等各类数据库引擎，并支持混合云、SQL审计和风险识别等企业级数据库运维特性，为客户数据库的稳定安全提供全方位保驾护航。

基于数据驱动、专家经验和机器学习，从异常发现、根因分析、执行修复／优化操作、跟踪评估、反馈实现全流程闭环，无需人工干预，实现数据库的自治，保障数据库持续稳定、高效运行。

DAS 具备 6大核心自治特性

7 x 24实时异常检测 ：通过机器学习算法，实时对数据库的Workload进行异常检测，相比基于阈值的告警方式，能够更及时的发现数据库的异常，而不是靠故障驱动；

异常自愈 ：DAS发现异常后，自动进行根因分析，定位到问题后，自动执行相关止损／修复／优化操作，帮助数据库自动恢复，减少对企业业务的影响；

自动优化 ：基于全局workload和真实的业务场景，而不是基于单条SQL，持续的对数据库进行SQL Review和优化，就像有一个不知疲倦的专业DBA一直在守护着您的数据库；

智能调参 ：数据库的参数成百上千，用户的业务场景多种多样，靠人肉的方式无法将参数调整为最优的配置，DAS和达摩院合作，通过基于机器学习技术，和智能压测相结合，可以为每个数据库实例的自动推荐最优的参数模版；

AutoScale ：基于机器学习，自动对数据库的业务模型、容量水位进行计算和预测，实现先知先觉式的自动扩缩容。

智能压测 ：为用户提供个性化的压测服务，DAS可以自动学习业务模型，自动生成无限多的接近真实业务的workload，同时提供给用户更丰富的压测场景，帮助用户解决大促、数据库选型等等问题。

和自动驾驶一样，数据库自治服务，也不是一蹴而就的，我们将数据库的自治能力划分为5层：

• Level-0:全部靠人肉，没有任何工具／产品辅助

• Level-1:提供基础监控、告警等信息，不输出任何建议；

• Level-2:在某些场景下，能够输出诊断或者优化建议，但是建议是否采纳和应用，还是由人来决策，例如SQL诊断引擎

• Level-3:在某些场景下，实现完全的自治，无需人参与，例如自动SQL限流、自动弹性伸缩

• Level-4:实现数据库的完全自动驾驶，目前DAS正在努力做到Level-4的过程中。

为了实现数据库自治服务，我们已经实践了6年。

从2014年开始，我们开始尝试如何将DBA的经验转换成产品，为业务开发提供更高效，更智能的数据库服务。我们就构建了基于规则的SQL诊断引擎，即输入一条或者多条SQL后，SQL诊断引擎会直接输出优化建议；

2016年，CloudDBA的web版发布，同时也升级了SQL诊断引擎，在这个阶段用户可以直接在阿里云上通过C loudDBA直观的查看数据库的负载，同时进行SQL诊断和优化。

2018年我们通过在阿里巴巴的业务和场景，开始孵化和锤炼数据库自治能力，

通过Self-driving Database Platform，截止到2020年4月已经自动优化了4200万+的SQL、自动回收了超过4 PB的空间、自动优化了 27 TB的内存。

2019年11月，为了更好的服务客户，我们将混合云数据库管理HDM+ CloudDBA+自治的能力，升级为数据库自治服务DAS。

DAS 在4个方面取得了核心创新和突破：

首个全局综合自治引擎 ：基于根因分析以及实例全维度聚合信息，进行集中决策，冲突解决，专项自治场景决策分发，在多自治场景下实现综合自治。

首个外置式Cost-based SQL诊断 ：基于代价的诊断引擎，一套独立于数据库之外的优化器，并以自适应的统计信息收集机制，基于执行计划的代价评估，实现SQL精确诊断与优化建议输出。

基于Workload全局SQL优化技术 ：以Workload负载为优化单位，综合考虑Workload中影响整体性能的特征，如SQL执行消耗资源占比、读写比等，进行整体优化，实现负载整体性能最大化提升同时，最大化降低空间消耗。

基于机器学习的Workload异常发现与预测：基于机器的Workload异常发现，自动感知引发Workload变化的异常SQL，自动触发全局优化，变被动式优化为即时主动式全局优化。

和达摩院的相关的研究成果，也取得了国际学术界的认可：

• 2018年,WWW《Unsupervised Anomaly Detection via Variational Auto-Encoder forSeasonal KPIs in Web Applications》
  

• 2019年,VLDB《iBTune: Individualized Buffer Tuning for Large-scale Cloud Databases》
  

• 2020年，VLDB《Diagnosing Root Causes of Intermittent Slow Queries in Large-ScaleCloud Databases》

通过DAS，可以帮助企业节省90%的数据库管理成本，降低80%的运维风险，让用户可以更集中在业务创新，让业务持续行驶在快车道上。

 动动小手指 了解更多详情 ！