D-Bot: Database Diagnosis System using Large Language Models

数据库管理员（DBA）在管理、维护和优化数据库系统方面扮演着重要的角色。然而，对于DBA来说，管理大量数据库并及时响应是困难和繁琐的（在许多在线情况下等待几个小时是不可容忍的）。此外，现有的经验方法只支持有限的诊断场景，而且更新数据库版本的诊断规则也需要耗费大量的人力。最近，大型语言模型（LLM）在各个领域展现了巨大的潜力。因此，我们提出了D-Bot，一种基于LLM的数据库诊断系统，可以从诊断文档中自动获取知识，并在可接受的时间范围内生成合理和有根据的诊断报告（即确定根本原因和解决方案），例如与DBA相比，D-Bot可以在10分钟内完成，而DBA可能需要数小时。D-Bot中的技术包括（i）从文档中提取离线知识，（ii）生成自动提示（例如知识匹配、工具检索），（iii）使用树搜索算法进行根本原因分析，以及（iv）用于具有多个根本原因的复杂异常的协作机制。我们在真实基准测试中验证了D-Bot（包括六个典型应用程序的539个异常），结果表明D-Bot可以有效地分析未见异常的根本原因，并显著优于传统方法和像GPT-4这样的基础模型。

D-Bot是一种基于大型语言模型的数据库诊断系统，旨在解决DBA管理大量数据库的困难，以及现有经验方法的局限性。该系统能够在可接受的时间内自动获取诊断文档中的知识，并生成合理和有根据的诊断报告。

D-Bot的关键思路包括离线知识提取、自动生成提示、使用树搜索算法进行根本原因分析以及处理具有多个根本原因的复杂异常的协作机制。

D-Bot在六个典型应用程序的539个异常上进行了验证，结果表明D-Bot能够有效地分析未见异常的根本原因，并显着优于传统方法和基准模型，如GPT-4。

最近在这个领域中，还有一些相关的研究，如《基于深度学习的数据库自动调优方法》、《基于自适应神经模糊推理的数据库性能预测研究》等。