借力AI，OtterTune希望让数据库调优更简单｜早期项目

文：Ray

编辑：真梓

随着现代数据库功能的日益强大，数据库的参数配置让数据库管理员(DBA)越来越头疼。如果把数据库比作船只，数据库的各种参数则是船只仪表盘上大大小小的按键和旋钮，而DBA则是出海远行的水手，负责调整各种按钮，同时监控数据库的整体表现。清一色财经日前接触到的"OtterTune"，就是一家旨在利用人工智能，帮助DBA自动化调优数据库的公司。

谈到OtterTune成立的背景，OtterTune的联合创始人张伯翰表示，业界最常见的MySQL数据库有超过500个可配置参数，PostgreSQL也有超过300个参数，这些参数对数据库的性能至关重要。以PostgreSQL为例，它的参数包括资源配置（如共享缓存以及临时缓存的内存大小），统计信息（如数据的分布情况），数据备份等方面。其中，合理的资源配置对数据库的性能非常关键，如果给数据库某一部分分配的内存过少，有可能导致数据库命令执行失败或者执行极度缓慢，而内存分配过多又会带来巨大的硬件成本。当业务发生变化，如遇到双十一等流量峰值时，内存的分配策略又需要及时调整。

同时，不同数据库用户面对的场景也不相同，就如大船和小船会有不同的参数配置，数据库的最佳参数也因场景而异，如电子商城会需要对订单数据进行准确及时的更新，而物联网企业则较少更新历史数据，反而对数据吞吐量的要求极高，因此两者的数据库配置会有差异。此外，这数百个参数彼此关联，经常需要对多个参数同时调整，才能达到总体最优。这也使得数据库潜在的调整方案数量极大，需要合理选择。

在以往，DBA会以自身经验为主，对这些参数进行手动配置，然而现代数据库的复杂程度已经超出人力范围，每个新版本的数据库又会带来新的参数。因此，使用人工智能，借用统计学的力量，对数据库进行自动化配置成为一种方案。这在一方面可以减少DBA的工作量，为企业节省人力成本，另一方面又能改善数据库的综合性能，为企业节省硬件成本。

对于市场前景，据统计，仅在美国就有12万在职DBA，平均年薪7.9万美元。也就是说，每年DBA的工资成本就有近百亿美元，如果自动化调优工具能节省1%的人力成本，那对OtterTune这类公司来说，每年也是上亿美元的市场规模。另一方面，云数据库依然处于高速发展的阶段，这又是每年几百亿美元的新兴市场，1%的性能提升也会节省数亿美元的硬件成本。张伯翰相信，OtterTune有足够的理由对未来的市场保持乐观。

谈及目标客户，张伯翰介绍，大、中、小公司都能成为OtterTune的潜在客户。他解释，小公司通常没有全职DBA，遇到数据库性能瓶颈时也缺少相应的知识储备与解决途径，因而更需要自动化工具。对大公司而言，互联网公司根据项目的不同，内部可能会部署几十、上百套的数据库，每一套数据库都存在调优的问题，因而也需要统一的解决方案。谈起市面上的云数据库，张伯翰认为，虽然有些云数据库为了易用性，减少了可供用户配置的参数数量，但这只是把调优问题隐藏在云数据库内部，而非真正解决，云厂商也需要相应的调优技术。在当前，数据库调优公司与云数据库厂商更多是合作关系，大家一起努力向用户提供更具性价比的数据库服务。

目前，OtterTune支持MySQL和PostgreSQL两种数据库的调优。如果用户的数据库是在Amazon Aurora或Amazon RDS云平台上，调优过程就会简单快捷，用户可以在OtterTune的网站上关联AWS数据库的账号，之后，OtterTune会结合自身人工智能库中的历史数据，在监控数据库表现的同时，对相关参数进行调整。大约通过六七次的调整迭代，数据库的表现就会达到最优。张伯翰分享到，一般调优后数据库性能会有20%左右的提高，而当用户业务发生显著变化之后，可能会需要再次对数据库调优。基于此，OtterTune会根据调优数据库的数量进行收费。将来，OtterTune也将提供对更多类型数据库的支持。

以数据库参数调优作为切入点，OtterTune也在扩展业务范围。张伯翰提到，OtterTune的愿景是提供一整套数据库智能调优解决方案，其中还会包括索引调优和查询调优等方面。索引调优会根据数据库的实际使用情况，建议用户建立更高效的索引，而查询调优则会针对具体的查询语句进行优化，比如将慢查询进行智能改写，使其执行效率更高。

在底层技术支持上，基于统计学和人工智能，OtterTune有时能发现人类肉眼无法发觉的调优机会。张伯翰举例表示，某客户曾有一个跑得特别慢的查询命令，其在三个月的时间里翻阅资料、发贴提问，都没有解决，直到试用OtterTune，发现将PostgreSQL的autovacuum的频率进行调整之后，相关查询语句的耗时就从一小时降低到了一分钟以内。张伯翰表示，案例中的这位客户可能没有那么资深的数据库背景，而OtterTune恰好能帮助此类用户大幅降低数据库调优门槛。

当前，使用人工智能技术的公司通常会面临数据隐私方面的顾虑。关于这个问题，张伯翰说，OtterTune使用的是机器数据，如数据库每秒读取的字节数、CPU和内存的使用率等，并不涉及用户的具体数据。对大部分客户来讲，可以接受将这些机器数据用于人工智能模型训练。

说起OtterTune的优势，张伯翰介绍，OtterTune起源于美国卡内基梅隆大学(CMU)的同名科研项目，至今已经有七年时间。OtterTune的联合创始人之一，Andy Pavlo教授深耕数据库领域多年，产品的技术壁垒较高。同时，OtterTune公司在业界也广受关注，其早期投资人包括Snowflake、Databricks、Cockroach Labs、PingCAP等多家知名数据库公司的创始人。并且，OtterTune在今年5月刚完成共计1200万美元的A轮融资，由Intel Capital、Race Capital领投，Accel跟投。目前，OtterTune的同业主要有Akamas, Unravel Data等，但这些公司更专注于如云主机等云资源的优化，对数据库的专注度相对较低。

关于OtterTune下一步的打算，张伯翰告诉清一色财经，公司拿到融资后主要想扩张团队规模。目前OtterTune有13位工程师，员工总数不到20人，之后想扩招到30名工程师，总共40人左右的规模。同时，OtterTune希望候选人同时有数据库与人工智能相关的背景。而对于数据库调优这个细分领域的未来趋势，张伯翰认为，在未来几年，这个市场也许会出现一两家独角兽。同时，市场也有可能会进一步细分，如出现针对数据分析OLAP型数据库调优的相关公司。总而言之，他认为目前数据库调优市场的规模足够大，厂商有足够的空间有所作为。

—————————

注：清一色财经正在关注数据库等基础软件领域，欢迎相关领域从业者添加作者真梓（WeChat：315159284）和Ray（WeChat：raylazy）交流。