2017年的Oracle OpenWorld上，Oracle宣布其下一代数据库将是Self-Driving的数据库，直接引燃了整个数据库业界~本文对这一轰动业界的事件进行解读，揭露Self-Driving的谜之面纱。
CMU数据库大佬Andy Pavlo针对Oracle的Self-Driving数据库发表了自己的看法
From what I can tell from watching their marketing videos, talking with people in the know, and reading early evaluations, it looks that Oracle's self-driving offering uses their existing deployment and tuning tools that they developed in the previous two decades.
也就是说，从Oracle目前公开的这些资料来看，Oracle的self-driving数据库依然是现有的云数据库DBMS配合了一系列的self-tuning工具 ，只不过终端用户不再需要手工去运行这些工具了。以自动编排为例，当DB服务不能够满足SLA的要求时，这些工具会基于一些规则和启发式条件来触发自动扩容。
（注：SLA是用来衡量指标是否符合要求，例如rt必须小于5ms。）
从Andy Pavlo的评价中可以看出，Oracle的2018版本self-drivingDBMS将会与IBM在2008年DB2的proof-of-concept概念比较类似，IBM系统也采用将DB2现有工具封装到外部控制器或者检测器的方式，当系统不满足外部资源约束条件时，这些工具将会被触发，然后作出相应的调整。这种工作方式依然需要一个DBA专家来选择调优措施，以及适时地重启DBMS。可能Oracle的DBMS可能更复杂些，但是这两个系统依然是事后触发式的智能，因为他们都不具备预测未来情况的功能。
Oracle声称他们的自治数据中心能够进行自动的查询调参与优化。这是Oracle新的自适应查询优化功能，它的实现原理为：DBMS在发现某个查询的实际数据与其估计的数据不匹配时，会生成一个新的执行计划。这个方法是两个功能的集合：（1）IBM的LEO工具，DBMS可以在查询执行时利用观测到的统计信息修改优化器。（2）INGERS的自适应查询过程技术。然而，Oracle并不是第一个同时支持这两种功能的系统，微软在SQL Server2017时也支持了该特性。
Andy Pavlo同时质疑Oracle的自治DBMS是否能够自动的为慢查询建立新的索引，这很像是Oracle现有工具中的数据库设计工具，而不是机器学习技术。利用机器学习或者增强学习做查询优化正是Andy实验室正在研究的方向，而微软研究院与伯克利同样有对这个方向进行研究。
综上，Andy认为Oracle的自治数据库并不是一个真正意义上的self-drivingDBMS，而是一个触发式系统。该系统只会根据目前的系统状况以及过去的历史信息操作，不能执行长周期的计划。Oracle会从一个数据中心整体角度利用预测模型来编排资源，而不会根据个人特定业务的workload模式去调整资源。
