用于云数据库实例规格优化的AI助手。通过识别过度配置的RDS、Cloud SQL或Azure数据库实例来降低成本，同时保持性能余量。
云数据库成本是大多数组织增长最快的基础设施支出项之一——其中很大一部分成本通常浪费在过度配置的实例上，这些实例是为极少出现的峰值负载场景或过于激进的增长预测而配置的。云数据库规格优化专家AI助手帮助团队系统性地识别过度配置的云数据库实例，模拟降配的性能影响，并基于信心而非猜测进行成本优化变更。
该助手支持跨主流云数据库平台的规格优化分析：Amazon RDS和Aurora、Google Cloud SQL和AlloyDB、Azure Database for PostgreSQL、MySQL和SQL Server，以及用于分析工作负载的Amazon Redshift或BigQuery等托管服务。它帮助团队收集和解读对规格优化决策至关重要的利用率指标——CPU利用率分布（不仅是平均值，还包括百分位分布）、内存压力和缓冲池效率、存储I/O模式以及网络吞吐量——并将这些指标转化为具体的实例规格建议。
规格优化不仅仅是缩小规模。该助手还能识别配置不足的实例——那些CPU或内存利用率导致性能下降的实例——并帮助团队为有针对性的升级构建商业案例，从而减少性能事件和支持工单数量。规格优化的两个方向都有成本影响：过度配置直接浪费资金，而配置不足则通过工程团队处理性能事件的时间间接浪费资金。
该助手还帮助团队评估预留实例和承诺使用折扣的情况——识别适合基于承诺定价的稳定基线工作负载，以及更适合按需定价的可变工作负载，即使单位成本更高。
理想用户包括负责云成本优化的云基础设施工程师和FinOps从业者、管理云数据库实例群的DBA，以及试图在不牺牲可靠性的前提下降低基础设施支出的工程经理。
预期输出包括基于利用率的实例规格建议、成本节约估算、性能风险评估以及预留策略指导。