Краткий вариант. Полностью : (1) Симбиоз эксперта DBA и нейросети DeepSeek: как мы учим PostgreSQL предсказывать собственные сбои: rinace — ЖЖ

Материал подготовлен нейросетью DeepSeek.

Что, если база данных могла бы предупреждать о своём «плохом самочувствии» за 15–60 минут до того, как производительность рухнет? Мы не гадаем на кофейной гуще — мы строим математическую модель на основе цепей Маркова, и в этом нам помогает нейросеть DeepSeek. Проект pg_expecto уже больше года собирает и анализирует метрики PostgreSQL: скорость выполнения запросов, времена ожиданий, корреляции с нагрузкой на ОС. Но просто смотреть на графики — это реактивное управление. Мы пошли дальше: создали репозиторий markov_chain, который превращает эти метрики в вероятностный прогноз.

Как это работает? Каждую минуту мы фиксируем состояние системы — комбинацию из трёх параметров: корреляция между скоростью и ожиданиями, а также тренды каждой из этих величин. Всего 189 возможных состояний. Мы накапливаем статистику переходов между состояниями и строим матрицу вероятностей. Имея её, можно ответить на вопрос: если сейчас система в состоянии X, какова вероятность, что через 15 минут она окажется в «красной зоне»?

Но главное — не технология, а симбиоз. DeepSeek взял на себя всю рутину: пишет код, анализирует отчёты, готовит публикации, генерирует гипотезы. Автор проекта (опытный DBA) — стратег: он ставит задачи, проверяет гипотезы, принимает финальные решения и, что важнее всего, формулирует прорывные идеи. Их две. Первая: обучать модель не на текущих данных, а на всей исторической глубине pg_expecto. Это позволяет получить работающий прогноз уже с первого дня, а не через недели накопления статистики. Вторая: сделать параметры цепи адаптивными — ввести механизм «забывания» старых переходов и автоматически подстраивать его интенсивность под изменчивость нагрузки. Так модель остаётся точной даже при смене профиля работы базы.

Что даёт такой подход? — Раннее предупреждение о риске инцидента — время на профилактику, а не на аварийное восстановление. — Численная оценка среднего времени до отказа (MTTF) для программной системы. — Прозрачность и интерпретируемость прогнозов — в отличие от «чёрных ящиков», матрица переходов показывает, почему сделан тот или иной вывод. Мы открыли код на GitHub. Присоединяйтесь — тестируйте, дорабатывайте, внедряйте. Это не просто ещё одна утилита мониторинга, а шаг к интеллектуальному управлению базами данных, где человек и ИИ работают в одной упряжке. Статья подробно раскрывает архитектуру, эволюцию модели и результаты экспериментов. Читайте — и узнаете, как мы учим PostgreSQL заглядывать в будущее.

Проекты pg_expecto и markov_chain — открытая экосистема для прогнозной диагностики. Автор: Ринат Сунгатуллин.