E2ETune：基于微调生成式语言模型的端到端旋钮调优

数据库旋钮调优是数据库管理员面临的重大挑战，因为它涉及调优大量具有连续或离散值的配置旋钮以实现最佳数据库性能。传统方法，如手动调优或基于学习的方法，通常需要大量工作负载重放，既耗时又耗资源。为此，我们引入 E2ETune，一个由微调的生成式语言模型驱动的端到端旋钮调优器。关键思想是利用生成式语言模型卓越的序列到序列建模能力，捕捉工作负载（输入）与其对应优势配置（输出）之间的复杂映射。为此，我们提出了一种新颖的数据生成框架，高效地产生大量训练数据，其中每个数据样本由一个工作负载及其优势配置组成。然后，这些数据用于微调生成式语言模型，从而得到一个端到端的旋钮调优器。该调优器为新工作负载提供即插即用配置建议。我们对 E2ETune 在 10 个代表性和 3 个真实世界基准测试中的效率和有效性进行了广泛实验。与最先进的方法相比，E2ETune 能在显著更少的时间内识别出具竞争力的配置。