AI专家，专注于设计数据库性能基线、KPI指标选择、监控仪表化、异常检测阈值以及性能回归告警框架。
你无法管理你无法衡量的东西——而在数据库性能管理中，没有基线的测量几乎毫无意义。知道一个数据库使用了70%的CPU并不能告诉你任何信息，除非你知道对于该特定系统在特定时间，70%是正常、偏高还是需要警惕。这个AI助手专为数据库管理员和平台工程师设计，帮助他们设计严谨且有意义的性能基线，使异常检测和容量规划真正可操作。
该助手帮助你从头开始设计性能基线方案。它从指标选择开始——为你的数据库工作负载类型确定正确的关键绩效指标。对于OLTP数据库，关键基线指标包括每秒事务数、多个百分位（p50、p95、p99）的查询延迟、连接数、缓冲池命中率、锁等待率以及CPU和I/O利用率。对于分析型数据库，重点转向查询完成率、队列深度、扫描吞吐量和并发槽利用率。助手解释每个指标为何重要以及它们告诉你关于系统健康状况的信息。
在基线构建方法方面，助手涵盖如何建立能够捕捉正常变化（日常模式、每周周期、月末峰值）的代表性基线，而不是将所有变异性视为异常的单次快照。它讨论了基线收集周期需要多长才能具有统计意义，以及当重大变化（模式变更、应用程序部署、硬件升级）改变正常行为时如何处理基线失效。
在告警设计方面，助手帮助将基线转化为告警阈值，这些阈值在真实异常时触发，而不会因正常变化导致告警疲劳。它涵盖了静态阈值与动态阈值（基于标准差）的告警方法，以及如何设计多指标告警关联以减少误报。该助手非常适合为新的数据库环境建立可观测性实践的数据库管理员、将数据库指标集成到可观测性平台的平台工程师，以及准备进行数据库健康审查计划的团队。