【DIGITAL DAILY Reporter】 人工智能（AI）能够自行调优数据库（DB）SQL 的“基于 AI 的 SQL 调优”已成为最炙手可热的话题。随着企业 DB 运营现场纷纷遭遇人工调优的瓶颈，基于 LLM 的 SQL 自动调优开始作为降低基础设施成本的现实手段而备受瞩目。

传统的 SQL 性能管理方式存在着明显的局限性。依靠资深 DBA 分析执行计划并手动调整 Index 的方式，仅仅只能针对占整体 SQL 前 1~5% 的恶意查询进行选择性应对。

其余 95% 以上 of SQL 几乎处于被放任的状态。在开发环境中运行毫无问题的查询，在生产 DB 中却引发负载，或者随着数据的堆积导致性能滞后下降的模式不断重复，这已经远远超出了人力所能承受的范围。

增设 HW 服务器设备也无法成为替代方案。随着 AI 基础设施投资竞争的白热化，内存和系统半导体的价格一路飙升，设备交货延迟也已成为常态。在成本负担不断加大的情况下，很难再通过扩容服务器来解决 DB 性能问题。即便增设了服务器，作为根本原因的低效查询依然存在，从这一点来看，人们逐渐认识到扩容 community 只是一个会不断增加成本的治标不治本的权宜之计。

选择迁移至 Cloud 的企业情况也大同小异。在本地部署环境中仅仅是变慢的低效查询，在基于使用量的计费结构下，会直接导致成本的实时流失。如果将未经优化的 SQL 直接搬迁到 Cloud，CPU 和 I/O 的使用量将直接反映在账单上。

在这一背景下，利用 LLM 的 SQL 自动调优正成为现实的突破口。AI 可以分析 SQL 执行计划，并自动应用 Hint 修改、Index 推荐、查询重构等调优技术。AI 每天能处理的调优数量可达人工处理的数十倍，且调优前后的数据一致性验证也实现了自动化。特别是通过对 24 小时运行的生产 DB 进行常态化监控，可以在故障发生前先发制人地捕捉到性能下降的查询。与传统的基于规则的自动化相比，其决定性的不同之处在于“推理能力”。它不仅仅是简单的模式匹配，而是能够理解查询的上下文并自行判断出最佳路径。

降低成本同样可行。首先，可以减少人力成本。随着 AI 调优替代了 DBA 的重复性工作，对调优专业人力的依赖程度将会降低。根据 Openmade Consulting 的自身分析，引入基于 AI 的 SQL 调优解决方案时，以调优人力成本为基准，5 年累计的 TCO 可节省 70%；以一名专家一年的运营成本（约 2 亿韩元）为基准，从引入的第二年起成本就会实现逆转。其次是基础设施成本。如果通过 SQL 优化减少了 CPU 和内存的使用量，就可以推迟服务器的扩容周期，甚至可以调低硬件配置。最后是可以降低 Cloud 成本。据了解，如果在迁移前应用全量 SQL 调优，可以将 Cloud 运营成本平均降低 28% 以上。

特别是金融和公共行业的业务需求正在急剧增长。面临 Cloud 迁移的企业对 SQL 优化的需求正变得越来越具体。在以 Oracle 为中心的 DB 环境向 PostgreSQL 或 Tibero DB 等分散的过程中，保障 SQL 性能的呼声也越来越高。

Openmade Consulting 解决方案事业本部总监 Park Min-Kyung 表示：“如果说传统方式是扑灭已燃之火的事后应对，那么 AI 调优就是预先消除所有火种的全量预防。当人工在一个月内处理 100 件 SQL 调优时，AI 仅需一周时间就能对 1,000 件以上的 SQL 进行全量调查并自动完成调优。” 产品引进及咨询等业务咨询

02-6310-6167 / qm@openmade.co.kr

Source: DIGITAL DAILY ( https://www.ddaily.co.kr/page/view/2026052814365261501 )

Reporter: crejx@ddaily.co.kr

#SQL调优 #AI调优 #数据库性能 #QueryMedic #OpenMade咨询 #数据库优化 #自动化解决方案 #DBA #开发人员 #IT运维 #成本降低 #性能提升 #AI自动化 #DB性能管理 #节省基础设施成本