Towards adaptive and practical automation in DBMS administration : Practitioner Insights, Dynamic Resource Optimization, and Lightweight Tuning
Yifan Wang · 2025
Vers une automatisation adaptative et pratique de l’administration des SGBD : retours d’expérience, optimisation dynamique des ressources et réglage léger Les systèmes de gestion de bases de données sont essentiels pour une gestion efficace desdonnées et un contrôle des accès. Toutefois, en raison de leur complexité, leur administra-tion demeure une tâche difficile pour les administrateurs de bases de données. Cette thèses'intéresse à l'automatisation de l'administration des SGBD à travers trois contributionscomplémentaires, visant une meilleure adaptabilité et une applicabilité concrète.Tout d'abord, nous présentons une étude qualitative des pratiques des administrateursde bases de données, qui met en évidence un ensemble de difficultés : sur-allocation deressources, procédures de réglage sous-optimales et faible adoption des outils d'automatisationexistants. À partir de ces constats, nous nous concentrons sur deux problèmes majeurs :la sur-provision de mémoire et le besoin d'outils d'auto-réglage des SGBD plus pratiques.Dans cette optique, nous proposons DOT, un cadre léger de sélection et d'optimisationdes paramètres de configuration. DOT combine l'élimination récursive de variables avecvalidation croisée (RFECV) et l'optimisation bayésienne afin d'identifier rapidement lesparamètres les plus influents. En réduisant l'espace de recherche sans nécessiter de longuesphases de mise en chauffe, DOT permet un réglage des SGBD plus efficace et économiqueque les autotuneurs traditionnels.Nous présentons ensuite MicroTune, un gestionnaire adaptatif de mémoire tamponpiloté par apprentissage par renforcement, qui ajuste en continu l'allocation mémoire enfonction de la charge. En adaptant dynamiquement la taille des tampons aux besoins dutravail, MicroTune réduit le gaspillage tout en respectant les contraintes de SLA, offrantainsi une solution concrète d'optimisation des ressources en production.En combinant des enseignements issus de la pratique avec des outils adaptatifs conçussur mesure, cette thèse propose des avancées plus adaptatives et pragmatiques pourl'automatisation de l'administration des SGBD.