ClickHouse Safety System в X5: система отлова рискованных запросов до OOM на основе искусственного интеллекта

Слушатель уйдет с рабочим рецептом проактивного слоя стабильности на основе искусственного интеллекта: рискованный запрос виден за минуты - до падения узла, а не после, - а его автор получает причину и конкретное исправление. В докладе - систематика признаков, по которым запрос выдает себя заранее; методика калибровки порогов по данным query_log вместо экспертных догадок; принципы наблюдения, при которых наблюдатель не роняет наблюдаемое; и рамка применения ИИ в эксплуатации: LLM объясняет и рекомендует, schema-retriever заземляет ее на реальную схему и статистику (подход RAG), исходы запросов сами собираются в размеченный набор данных - а вердикт о риске остается за детерминированными правилами, поэтому отказ модели не останавливает систему. В финале - контрольный список «как повторить у себя».