AI-Ops для PostgreSQL: нейросети против узких мест и деградации производительности

На открытом уроке мы разберём, как применять методы искусственного интеллекта для анализа производительности PostgreSQL. Вы узнаете, как LLM-модели помогают находить медленные запросы, объяснять планы выполнения, анализировать логи и предсказывать деградацию ещё до того, как она станет проблемой.

Что рассмотрим на уроке
AIOps-подход для DBA — как объединить PostgreSQL-метрики, машинное обучение и LLM-агентов
Интеллектуальный анализ запросов — автоматическая интерпретация EXPLAIN ANALYZE и рекомендации по оптимизации
AI-мониторинг — как нейросеть выявляет аномалии в pg_stat_statements и логах БД
Прогнозирование деградации — использование ML-моделей для предсказания роста нагрузки и IO

Кому будет интересно
DBA и DevOps-инженерам, ищущим новые способы мониторинга и оптимизации PostgreSQL
Архитекторам высоких нагрузок, интересующимся автоматизацией управления БД
Разработчикам, внедряющим AI-агентов для поддержки инфраструктуры

Присоединяйтесь к открытому уроку и узнайте, как превратить PostgreSQL в систему, которая сама объясняет, что с ней не так — и как это починить.

«PostgreSQL. Advanced» - https://otus.pw/jiYL/

Преподаватель: Дмитрий Золотов - Flutter Developer, Yandex

Пройдите опрос по итогам мероприятия - https://otus.pw/ZV7n/

Следите за новостями проекта:

→ VK: https://vk.com/otusru
→ Telegram: https://t.me/Otusjava
→ Хабр: https://otus.pw/S0nM/