RCRank：云数据库系统中慢查询根因的多模态排序

随着存储持续迁移到云数据库系统，此类系统中慢查询对服务和用户体验的影响日益增加。根因诊断在促进慢查询检测与修正中发挥着不可或缺的作用。本文提出了一种方法，能够同时识别慢查询的可能根因类型并根据其对加速慢查询的潜力对这些根因进行排序。这使得能够优先处理影响最大的根因，从而提高慢查询修正的有效性。为了实现更准确和详细的诊断，我们提出了多模态慢查询根因排序（RCRank）框架，将根因分析表述为一个多模态机器学习问题，并利用来自查询语句、执行计划、执行日志和关键性能指标的多模态信息。为从其异构多模态输入中获得表达性嵌入，RCRank集成了增强跨模态对齐和任务相关性的自监督预训练。接下来，该框架集成了根因自适应交叉Transformer，使具有不同特征的多模态特征能够自适应融合。最后，该框架提供了一个具有影响感知训练目标的统一模型，用于识别和排序根因。我们在真实和合成数据集上报告了实验结果，发现RCRank能够在一系列指标上持续超越最先进的根因识别和排序方法。