색인 고문을위한 기계 학습이 필요한 이유는 무엇입니까?

Question

멀티 테넌트 애플리케이션에서 사용하는 데이터베이스가 있습니다. 최근에 우리는 데이터베이스 성능 문제를 겪고 있습니다. 적절한 인덱스를 추가하면이 문제가 해결 될 것입니다. Azure SQL Advisor에 대해 읽었습니다. Microsoft는 사용 패턴을 분석하고 기계 학습 알고리즘을 사용하여 인덱스 권장 사항을 제공한다고 말합니다. 프로파일 러를 사용하여 작업량을 추적하고 SQL 튜닝 관리자를 사용하여 인덱스 권장 사항을 얻을 수 있다고 생각합니다. 기계 학습 알고리즘을 사용하는 Azure SQL Advisor를 사용하면 어떤 이점이 있습니까? 그것에 대해 큰 문제는 무엇입니까?

Answer 1

기계 학습 알고리즘 (여기에서 권고자는) 데이터를 입력 (여기서는 사용 패턴)으로 가져 와서 수학 모델을 작성합니다. 이 모델은 데이터의 일반화입니다. 그러한 프로그램의 응용은 미래 사건을 평가하거나 (수학적 기능의 최소 또는 최대를 찾아서) 행동을 최적화하는 것일 수 있습니다. 여기서 색인 권장 사항이 최적화되었습니다.

물론 혼자서 문제를 해결할 수도 있습니다. 문제에 대한 전문가이고 무엇을해야하는지 알 경우 기계 학습 알고리즘이 필요하지 않습니다. 알고리즘은 당신을 위해 일하는 대안입니다. 누가 더 나은 결과를 얻는지는 입력 데이터와 알고리즘 및 한편으로는 전문성에 달려 있습니다.