Обеспечение производительности СУБД в условиях динамически меняющейся рабочей нагрузки остаётся одной из ключевых задач администрации баз данных. Традиционные пороговые методы мониторинга не всегда позволяют своевременно выявлять предвестники сбоев, что стимулирует поиск вероятностных моделей, способных улавливать тонкие изменения в структуре переходов между состояниями системы. В настоящем исследовании рассматривается реализация марковской модели производительности, интегрированной в проект pg_expecto, которая агрегирует минутные метрики по трём временным горизонтам, строит эталонный профиль «нормального» поведения и вычисляет Z-оценки для регистрации отклонений. Цель работы – оценить функциональную полноту созданных компонентов, выявить ограничения, связанные с недостаточностью исторических данных, и предложить пути повышения достоверности прогнозирования инцидентов
