阿里雲峰會直播地址
2020年6月9日，「全速重構」2020阿里雲·線上峰會即將隆重召開。
在此次峰會上，阿里雲資料庫重磅發布雲原生分布式資料庫 PolarDB-X 、雲原生數據倉庫AnalyticDB、資料庫自治服務DAS、雲資料庫專屬集群、圖資料庫GDB、雲資料庫Cassandra版、雲資料庫ClickHouse 7款跨時代產品，用技術傾情打造新數字時代的基石！今天小編為大家傾情呈現全球首個資料庫自動駕駛雲平台DAS產品亮點！
過去10年，資料庫上雲儼然已成共識，雲資料庫相較於傳統線下資料庫，解決了資源、彈性、高可用、備份、監控等基本DB運維負擔。但如何用好資料庫，如何對資料庫進行快速診斷和持續優化，對一般應用開發者而言，依然充滿挑戰。
阿里雲基於阿里巴巴自身資料庫規模化運維的專家經驗，結合人工智慧和機器學習技術，實現自感知、自診斷、自修復和自安全的資料庫自動駕駛能力，今天依託於阿里雲平台，推出資料庫自治服務，正式向雲上客戶開放。
DAS是業界首次以獨立雲服務的方式實現資料庫自治能力，推出六大核心自治特性，覆蓋支持包括OLTP(RDS/PolarDB)、NoSQL(Redis/MongoDB)、OLTP(ADB)等各類資料庫引擎，並支持混合雲、SQL審計和風險識別等企業級資料庫運維特性，為客戶資料庫的穩定安全提供全方位保駕護航。基於數據驅動、專家經驗和機器學習，從異常發現、根因分析、執行修復／優化操作、跟蹤評估、反饋實現全流程閉環，無需人工干預，實現資料庫的自治，保障資料庫持續穩定、高效運行。
DAS 具備 6大核心自治特性
7 x 24實時異常檢測：通過機器學習算法，實時對資料庫的Workload進行異常檢測，相比基於閾值的告警方式，能夠更及時的發現資料庫的異常，而不是靠故障驅動；
異常自愈：DAS發現異常後，自動進行根因分析，定位到問題後，自動執行相關止損／修復／優化操作，幫助資料庫自動恢復，減少對企業業務的影響；自動優化：基於全局workload和真實的業務場景，而不是基於單條SQL，持續的對資料庫進行SQL Review和優化，就像有一個不知疲倦的專業DBA一直在守護著您的資料庫；
智能調參：資料庫的參數成百上千，用戶的業務場景多種多樣，靠人肉的方式無法將參數調整為最優的配置，DAS和達摩院合作，通過基於機器學習技術，和智能壓測相結合，可以為每個資料庫實例的自動推薦最優的參數模版；
AutoScale：基於機器學習，自動對資料庫的業務模型、容量水位進行計算和預測，實現先知先覺式的自動擴縮容。
智能壓測：為用戶提供個性化的壓測服務，DAS可以自動學習業務模型，自動生成無限多的接近真實業務的workload，同時提供給用戶更豐富的壓測場景，幫助用戶解決大促、資料庫選型等等問題。
和自動駕駛一樣，資料庫自治服務，也不是一蹴而就的，我們將資料庫的自治能力劃分為5層：
- Level-0:全部靠人肉，沒有任何工具／產品輔助
- Level-1:提供基礎監控、告警等信息，不輸出任何建議；
- Level-2:在某些場景下，能夠輸出診斷或者優化建議，但是建議是否採納和應用，還是由人來決策，例如SQL診斷引擎
- Level-3:在某些場景下，實現完全的自治，無需人參與，例如自動SQL限流、自動彈性伸縮
- Level-4:實現資料庫的完全自動駕駛，目前DAS正在努力做到Level-4的過程中。
為了實現資料庫自治服務，我們已經實踐了6年。
從2014年開始，我們開始嘗試如何將DBA的經驗轉換成產品，為業務開發提供更高效，更智能的資料庫服務。我們就構建了基於規則的SQL診斷引擎，即輸入一條或者多條SQL後，SQL診斷引擎會直接輸出優化建議；
2016年，CloudDBA的web版發布，同時也升級了SQL診斷引擎，在這個階段用戶可以直接在阿里雲上通過C loudDBA直觀的查看資料庫的負載，同時進行SQL診斷和優化。
2018年我們通過在阿里巴巴的業務和場景，開始孵化和錘鍊資料庫自治能力，
通過Self-driving Database Platform，截止到2020年4月已經自動優化了4200萬+的SQL、自動回收了超過4 PB的空間、自動優化了 27 TB的內存。
2019年11月，為了更好的服務客戶，我們將混合雲資料庫管理HDM+ CloudDBA+自治的能力，升級為資料庫自治服務DAS。
DAS 在4個方面取得了核心創新和突破：
首個全局綜合自治引擎：基於根因分析以及實例全維度聚合信息，進行集中決策，衝突解決，專項自治場景決策分發，在多自治場景下實現綜合自治。
首個外置式Cost-based SQL診斷：基於代價的診斷引擎，一套獨立於資料庫之外的優化器，並以自適應的統計信息收集機制，基於執行計劃的代價評估，實現SQL精確診斷與優化建議輸出。
基於Workload全局SQL優化技術：以Workload負載為優化單位，綜合考慮Workload中影響整體性能的特徵，如SQL執行消耗資源占比、讀寫比等，進行整體優化，實現負載整體性能最大化提升同時，最大化降低空間消耗。
基於機器學習的Workload異常發現與預測：基於機器的Workload異常發現，自動感知引發Workload變化的異常SQL，自動觸發全局優化，變被動式優化為即時主動式全局優化。
和達摩院的相關的研究成果，也取得了國際學術界的認可：
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》
通過DAS，可以幫助企業節省90%的資料庫管理成本，降低80%的運維風險，讓用戶可以更集中在業務創新，讓業務持續行駛在快車道上。
更多DAS產品性能盡在2020年6月9日阿里雲峰會資料庫新品發布現場，我們不見不散！預約觀看：