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

监控报警是故障发现的重要一环，也是百度在 AIOps 方向的第一个切入方向，目前百度 AIOps 在监控报警方面已经孵化出两个应用场景：智能异常检测和智能报警合并。

如何支撑 AIOps 算法在监控告警系统的快速落地并产生业务价值，这对监控告警架构提出了很大的挑战！本次分享将重点介绍百度监控告警系统在落地 AIOps 过程中遇到的架构挑战以及相应的解决方案。百度监控告警系统主要由异常检测、事件管理、通告发送三个子系统组成：

1. 在异常检测部分，我们将介绍如何支撑 AIOps 算法的离线实验、近线测试、在线运行需求，以及处理多维度异常判断过程中遇到的难点和解决思路
2. 在事件管理部分，我们将介绍基于状态机的事件管理模型如何能够防止线上故障被遗漏
3. 在通告发送部分，我们将介绍如何利用智能报警合并算法来应对报警风暴，以及如何保障通告消息的零丢失

最后，将总结监控报警系统在落地 AIOps 算法过程中的实践经验，以及我们对 AIOps 的思考。

演讲提纲：

1. 落地 AIOps 对报警架构的挑战
2. 报警系统的业务模型
3. 异常判断子系统
   • 智能异常检测的研发流程
   • 多维度异常判断模型
   • 离线开发框架和近/在线运行平台
4. 事件管理子系统
   • 报警事件模型
   • 基于状态机引擎的报警升级机制
5. 通告发送子系统
   • 报警智能合并
   • 报警流控方案
6. AIOps 落地实战经验

听众受益点：

1. 了解监控报警的业务痛点和对自身架构的挑战
2. 了解 AIOps 落地过程中的思考和和工程实践经验