数据库性能调优是系统管理中的一项核心任务，参数调优则是其中最重要的环节之一。参数调优可以大幅度提高数据库的响应速度、吞吐量等性能指标，但调优过程中仍存在一些实际痛点和难点：

• 手动调优：大部分企业仍然依赖于DBA来手动分析和调优。一般通过监控工具（如Zabbix、Prometheus等）获取数据库运行状况，分析慢查询日志，结合业务场景逐步调整关键参数，例如缓存大小（innodb_buffer_pool_size）、最大连接数（max_connections）等。

• 使用数据库自带的调优工具：一些数据库会提供内置的调优工具或建议模块。

• 基于机器学习的调优：目前有部分研究和工具开始尝试使用机器学习和强化学习等技术来优化数据库参数。这些工具能够自动生成参数组合并进行模拟测试，通过反馈机制选择最优配置，减少了人工调优的负担。

DBdoctor AI+函数的参数调优

DBdoctor相较于传统的参数调优，除采集常规指标外，还利用eBPF技术捕获关键函数特征，并结合机器学习进行特征分析、模型训练和知识迁移实现了参数推荐功能，现已在3.2.4版本发布上线。

对于新纳管示例，由于采集的数据量不足，24小时内不会进行参数调优推荐。

3.配置参数推荐范围

如果希望限制参数调优的范围，如控制最小取值、最大取值，可以点击参数推荐配置的tab页进行查看与编辑配置。