问题背景：SQL 的性能问题一直是影响到金融系统用户体验甚至是系统可用率的关键因素。传统模式下为了确保 SQL 性能要么需要开发具备丰富的数据库开发经验，要么需要 DBA 投入大量人力对上线的 SQL 执行计划进行逐个 Review。

解决方案选型：使用 AI 算法模拟 DBA 对每个上线版本的 SQLmap 进行智能 Review，让 AI 评估 SQL 是否存在性能问题，哪里存在性能问题，如何优化性能问题。

解决方案介绍：基于陆金所数年的 SQLmap 代码、执行计划、生产运行监控信息、DBA Review建议等数据结合 AI 算法训练和优化 AI SQL Review 系统。

实施后的效果说明：新版本上线后出现烂 SQL 的概率下降了60%，并且 DBA 从 SQL Review 的工作中彻底解放，再也不需要投入大量的人力进行 SQL Review 工作。

演讲提纲：

1. 人肉 SQL Review 痛点
2. 使用机器学习算法模拟资深 DBA SQL Review 效果
3. 数据预处理、特征工程、建模、训练和验证过程
4. AI SQL Review 的收益和未来迭代方向

听众受益点：

1. 了解机器学习在数据库智能优化领域的实战应用
2. 思考相较于人通过经验做 SQL 调优，机器学习算法进行智能调优存在哪些优势和不足，以及未来的优化方向
3. 未来在数据库运维领域还存在哪些好玩的 AIOps 场景值得深挖