Автономная база данных ⇐ Васина Википедия

[wiki_en]

«Автономная база данных» — это тип системы управления базами данных (СУБД), которая использует автоматизацию и искусственный интеллект для выполнения таких задач, как конфигурация, настройка, мониторинг, резервное копирование, исправление и восстановление с минимальным вмешательством человека.
==История==
Исследования самоуправляемых систем баз данных расширились в 1990-х и 2000-х годах, особенно в таких областях, как автоматический выбор индексов, оптимизация запросов и конфигурация системы. В то же время в начале 2000-х годов была введена концепция автономных вычислений, описывающая компьютерные системы, способные управлять собой на основе целей высокого уровня.

В 2010-х годах возникла идея «автономной базы данных» для описания систем, которые расширяют более ранние методы автоматизации для более широких задач управления базами данных. В 2017 году :contentReference[oaicite:1]{index=1} и его коллеги изложили концепцию систем баз данных, способных полностью автономно работать с использованием машинного обучения.

Коммерческие системы, называемые автономными базами данных, были представлены крупными технологическими компаниями в конце 2010-х годов, включая сервисы автономных баз данных Oracle, запущенные в 2018 году.
==Характеристики==
Автономные базы данных автоматизируют рутинные административные задачи, которые традиционно выполняются администраторами баз данных. К ним относятся настройка системы, настройка производительности, обновления безопасности и восстановление после сбоев.

Эта концепция часто ассоциируется с четырьмя свойствами, полученными из автономных вычислений: самоконфигурация, самооптимизация, самовосстановление и самозащита. На практике это может включать автоматическую настройку параметров системы, обнаружение и решение проблем с производительностью и реагирование на сбои без ручного вмешательства.

==Архитектура==
Автономная база данных обычно строится на основе традиционной архитектуры СУБД за счет добавления компонентов автоматизированного управления. Эти компоненты контролируют производительность системы, анализируют рабочие нагрузки и применяют такие изменения, как настройка параметров или реорганизация структур данных.

Методы машинного обучения могут использоваться для выявления закономерностей в использовании базы данных и прогнозирования будущего поведения, что позволяет системе оптимизировать производительность с течением времени.

==Преимущества и ограничения==
Автономные базы данных могут уменьшить необходимость ручного администрирования и повысить надежность системы за счет постоянного мониторинга и корректировки производительности. Они также могут помочь уменьшить количество человеческих ошибок при выполнении таких задач, как настройка и обслуживание.

Однако такие системы могут обеспечивать меньшую прозрачность, чем традиционные базы данных, поскольку автоматизированные решения бывает сложно интерпретировать или игнорировать. Они также могут быть менее эффективными при узкоспециализированных или необычных рабочих нагрузках, требующих экспертного мнения.

==См. также==
* Автономные вычисления
* Система управления базой данных
* Оптимизация запросов
* Самонастраивающаяся база данных

Базы данных
Системы управления базами данных
Искусственный интеллект

Подробнее: https://en.wikipedia.org/wiki/Autonomous_database