LLM As DBA

要約

データベース管理者 (DBA) は、データベース システムの管理、保守、最適化において重要な役割を果たし、データの可用性、パフォーマンス、信頼性を確保します。
しかし、DBA にとって、多数のデータベース インスタンス (クラウド データベース上の数百万のインスタンスなど) を管理するのは困難で面倒です。
最近の大規模言語モデル (LLM) は、貴重な文書を理解し、それに応じて合理的な答えを生成する大きな可能性を示しています。
したがって、テキストソースからデータベースメンテナンスの経験を継続的に取得し、ターゲットデータベースに対して合理的で根拠のある適時の診断と最適化のアドバイスを提供できるLLMベースのデータベース管理者であるD-Botを提案します。
この論文では、(i) ドキュメントやツールからのデータベース保守知識の検出、(ii) 根本原因分析のための思考ツリー推論、および (iii) 複数の LLM 間の共同診断を含む、データベース保守のための革新的な LLM 中心のフレームワークを紹介します。
D-Bot が効率的かつ効果的に根本原因を診断できるという予備的な実験結果とコードは、github.com/TsinghuaDatabaseGroup/DB-GPT で入手できます。

要約(オリジナル)

Database administrators (DBAs) play a crucial role in managing, maintaining and optimizing a database system to ensure data availability, performance, and reliability. However, it is hard and tedious for DBAs to manage a large number of database instances (e.g., millions of instances on the cloud databases). Recently large language models (LLMs) have shown great potential to understand valuable documents and accordingly generate reasonable answers. Thus, we propose D-Bot, a LLM-based database administrator that can continuously acquire database maintenance experience from textual sources, and provide reasonable, well-founded, in-time diagnosis and optimization advice for target databases. This paper presents a revolutionary LLM-centric framework for database maintenance, including (i) database maintenance knowledge detection from documents and tools, (ii) tree of thought reasoning for root cause analysis, and (iii) collaborative diagnosis among multiple LLMs. Our preliminary experimental results that D-Bot can efficiently and effectively diagnose the root causes and our code is available at github.com/TsinghuaDatabaseGroup/DB-GPT.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google