Как мы используем LLM для тюнинга наших баз, экономя время разработчиков

30 ноября, 13:30, «Дели-Калькутта»

Низкая сложность

Доклад принят в программу конференции

Надёжность продакшена

Автоматизация разработки, доставки, эксплуатации

Бэкенд

PostgreSQL

Базы данных, обработка данных

Надёжность продакшена

Автоматизация разработки, доставки, эксплуатации

Бэкенд

PostgreSQL

Базы данных, обработка данных

Мнение Программного комитета о докладе

В докладе рассказывается, как в Яндекс.Еде сделали умного помощника администратора БД, который уже помогает сотням баз данных. В нем раскроется, что стоит положить в контекст и как сделать так, чтобы рекомендации не скакали от применения к применению.

Целевая аудитория

Все разработчики которые в проектах используют базы данных и хотят услышать про опыт автоматизации слежения за качеством работы с ней.

Тезисы

Я расскажу о том, как и для чего мы создали систему, анализирующую работу с базой данных сотен микросервисов. С какими проблемами мы столкнулись, как их решили и что из этого получилось.

Вы узнаете:

Какие данные помогли моделям дать лучший результат
Как мы оценивали качество советов
Как минимизировать вероятность сложить прод выполнив совет от LLM
Как можно немного экономить токены
Какие риски вы приобретаете когда начинаете советовать конкретные действия разработчикам
Как наладить процесс улучшений имея подобную систему

Спикеры

Олег Табота

Яндекс Еда

Первый код написал в 6-м классе. Долго работал на фрилансе, создавая сайты под ключ, от дизайна и верстки до разработки и SEO-продвижения. Участвовал в стартапах разной успешности. В данный момент возглавляет платформенную команду общих компонент в Яндекс Еде.