Нейросеть против PostgreSQL: системные ошибки AI в прогнозировании производительности под нагрузкой
Краткое резюме
Исследование выявило систематические ошибки нейросетевой модели при прогнозировании производительности PostgreSQL под высокой нагрузкой. Разработан новый инструмент с открытым исходным кодом для анализа и тестирования СУБД.
Применение нейросетей для улучшения работы баз данных выглядит как многообещающая тенденция, однако необходимо провести детальный анализ их фактической эффективности. В рамках данного исследования была изучена возможность нейросетевой модели предсказывать производительность системы управления базами данных PostgreSQL при высокой степени параллельной нагрузки. Результаты показали, что искусственный интеллект допускает систематические ошибки из-за неспособности учитывать динамические характеристики функционирования СУБД.
Для статистического анализа, проведения нагрузочного тестирования и создания отчётов разработан новый инструмент с открытым исходным кодом. Его можно найти в репозиториях GitFlic и GitHub:
* kznalp/PG_EXPECTO — набор инструментов для статистического анализа производительности СУБД PostgreSQL;
* pg-expecto/pg_expecto — комплекс pg_expecto для статистического анализа производительности и нагрузочного тестирования СУБД PostgreSQL.