4月22日，阿里雲正式對外發布了首個“自動駕駛”級數據庫平臺DAS，無疑是數據庫領域的又一重磅事件。
為什麼說憋了很久？因為很早前，阿里雲就確定了雲原生、智能化兩大方向，在雲原生數據庫領域，阿里雲擁有國內首個雲原生數據庫PolarDB及雲原生數據倉庫AnalyticDB等，如今，其在智能化方面也取得了新的突破，相關研究成果已連續兩年入選數據庫領域頂級會議VLDB。
而大招也並非筆者標題黨，可能很多人並不清楚DAS這個產品發佈，背後意味著什麼。作為全球前三、亞太第一的雲服務商，阿里雲此次發佈DAS，必將拉開雲上數據庫進入自動駕駛時代的序幕。
據悉，目前，阿里巴巴集團內部85%的數據庫實例已經實現自動駕駛。
DAS的前世今生
眾所周知，雖然雲數據庫解決了開發者在資源彈性、高可用、備份、監控等基本運維負擔，讓數據庫最優性能觸手可及。
但如何用好數據庫，如何讓數據庫更穩定併發揮最優的性能？如何快速診斷和應對各種原因導致的突發數據庫性能問題？以及如何以最低資源成本滿足業務需求，這些問題一直都是用戶非常重要的訴求，因此，DAS應運而生。
DAS是一種基於機器學習和專家經驗實現數據庫自感知、自修復、自優化、自運維及自安全的雲服務，提供六大自治特性，從異常檢測、根因分析、決策執行以及跟蹤評估，擁有全閉環的自治能力，其過程無需人工干預，實時評估自治優化效果，持續反饋，持續優化。
從上圖，我們可以清晰的看到DAS的演進過程，其雛形最早可以追溯到2014年的CloudDBA SQL診斷引擎，2016年進行了升級，但那時候還只是一個輔助診斷工具，還談不上自動駕駛。2017年，確定自動駕駛方向，通過阿里巴巴集團豐富的業務場景進行孵化和錘鍊。2019年，在阿里雲上正式發佈數據庫 “自動駕駛”級平臺——數據庫自治服務DAS。
如何正確理解DAS
與Oracle將自治能力內置在數據庫引擎中不同，DAS（Database Autonomy Service，簡稱DAS）並不是一個數據庫，而是一個數據庫“自動駕駛”平臺，因此，其並不僅作用於某單一數據庫引擎，而是作用於其數據庫產品家族中的所有數據庫，包括PolarDB、AnalyticDB、RDS、Redis等，涵蓋OLTPOLAPNoSQL等各種類型的數據庫。
而在“自動駕駛”工具類產品中，DAS處於怎樣的水平，與友商差異在何處？這裡需要先搞明白什麼是數據庫的“自動駕駛”，同為自動駕駛，其差別也可能巨大。目前，比較得到認可的數據庫自動駕駛等級定義如下：
Level-0:全部靠人肉，沒有任何工具／產品輔助
Level-1:提供基礎監控、告警等信息，不輸出任何建議；
Level-2:在某些場景下，能夠輸出診斷或者優化建議，但是建議是否採納和應用，還是由人來決策，例如SQL診斷引擎；
Level-3:在部分場景下，實現完全的自治，無需人蔘與，例如自動SQL限流、自動SQL優化、自動彈性伸縮等；
Level-4:實現數據庫的完全自動駕駛。
阿里雲資深技術專家、DAS產品線負責人李廣望在接受筆者採訪時候表示，目前DAS能力對應等級已經超越Level-3，正在全力向Level-4演進。
也就是說，DAS在部分場景下，已經實現了完全自治，無需人工參與。與友商的區別也就顯而易見。據悉，部分雲廠商的自治服務還處於輔助診斷階段，因為決策還需要人工採納和執行，這是根本的區別。
而部分場景比例是多少呢？李廣望表示，基於DAS在阿里巴巴集團內的實踐，能覆蓋90%的場景，讓數據庫管理成本下降9成。但阿里雲卻沒有將其定義為L4，是因為其優化策略採用最大保護策略，其目的是不給用戶帶來負面效果和不確定性。
據瞭解，目前，DAS已在阿里巴巴集團的所有數據庫上驗證了近3年，並大規模應用於阿里巴巴內部業務場景，累計優化超4200萬 SQL、回收超4 PB空間，並服務了大量電商、金融、遊戲等領域企業。
寫在最後
聊數據庫，不談性能就是耍流氓，因為，性能猶如糧食，在數據庫的歷史上，一直就不夠用，這就是為什麼數據庫都需要精細化調優的原因。
如果說，從傳統數據庫到雲原生數據庫，是數據庫領域的第一次飛躍，那麼，數據庫實現自動駕駛，毫無疑問是數據庫領域的第二次飛躍。因為，它讓數據庫發揮最優性能變得觸手可及。
從“人肉處理”到“自動駕駛”，從“被動救火”到“提前防治”，從“監控告警”到“自動止損”，從“局部優化”到“全局優化”，從“基於規則”到“基於AI”，代表的是時代的發展和技術的進步。
因此，阿里雲預測，未來3年，雲上80%的數據庫將開啟“自動駕駛“就變得很好理解了。從某種程度上講，雲數據庫實現自動駕駛的能力勢必會加速數據庫上雲的進程。
相關閱讀
阿里雲發佈“自動駕駛”級數據庫平臺DAS ，全球首創技術讓管理成本降9成