使用指导

    • 需要保证用户提供的历史日志及待预测负载的格式符合要求，可以使用数据库GUC参数开启收集，也可以通过监控工具采集。
    • 为保证预测准确率，用户提供的历史语句日志应尽可能全面并具有代表性。
    • 按照要求配置python环境。

    文件结构

    2. sklearn
    3. gensim

    SQL流水采集方法

    • log_statement = all
    • log_statement_stats=on

    参数开启后，可能占用一定的系统资源，但一般不大。持续的高并发场景可能产生5%以内的损耗，数据库并发较低的场景，性能损耗可忽略。开启参数后，会向数据库日志文件中记录具体的执行语句以及其开销。

    1. 提供历史日志以供模型训练：

      训练数据格式为：

      测试数据格式为：

      1. SQL语句文本

    2. 进行训练与预测操作：

      • train: 训练模式。

    使用方法示例

    使用提供的训练数据进行训练：

    使用提供的测试数据进行预测：

    1. status: 预测状态
    2. data: 
    3.     time: sql执行时间
    4.     point: sql空间点坐标
    6.     background: 模板化模型总结
    7.         stmts: 对应类别的sql样例
    8.         center: 对应类别的sql的中心点坐标
    9.         points: 样例sql的空间点坐标