問題背景：SQL 的性能問題一直是影響到金融系統用戶體驗甚至是系統可用率的關鍵因素。傳統模式下爲了確保 SQL 性能要麼需要開發具備豐富的數據庫開發經驗，要麼需要 DBA 投入大量人力對上線的 SQL 執行計劃進行逐個 Review。
解決方案選型：使用 AI 算法模擬 DBA 對每個上線版本的 SQLmap 進行智能 Review，讓 AI 評估 SQL 是否存在性能問題，哪裏存在性能問題，如何優化性能問題。
解決方案介紹：基於陸金所數年的 SQLmap 代碼、執行計劃、生產運行監控信息、DBA Review建議等數據結合 AI 算法訓練和優化 AI SQL Review 系統。
實施後的效果說明：新版本上線後出現爛 SQL 的概率下降了60%，並且 DBA 從 SQL Review 的工作中徹底解放，再也不需要投入大量的人力進行 SQL Review 工作。
內容大綱：
1、人肉 SQL Review 痛點
2、使用機器學習算法模擬資深 DBA SQL Review 效果
3、數據預處理、特徵工程、建模、訓練和驗證過程
4、AI SQL Review 的收益和未來迭代方向
聽衆受益點：
1、瞭解機器學習在數據庫智能優化領域的實戰應用
2、思考相較於人通過經驗做 SQL 調優，機器學習算法進行智能調優存在哪些優勢和不足，以及未來的優化方向
3、未來在數據庫運維領域還存在哪些好玩的 AIOps 場景值得深挖