• Langue : Anglais
• Discipline : Informatique et applications
• Identifiant : 2025ULILB038
• Type de thèse : Doctorat
• Date de soutenance : 12/11/2025

Résumé en langue originale

Les systèmes de gestion de bases de données sont essentiels pour une gestion efficace desdonnées et un contrôle des accès. Toutefois, en raison de leur complexité, leur administra-tion demeure une tâche difficile pour les administrateurs de bases de données. Cette thèses'intéresse à l'automatisation de l'administration des SGBD à travers trois contributionscomplémentaires, visant une meilleure adaptabilité et une applicabilité concrète.Tout d'abord, nous présentons une étude qualitative des pratiques des administrateursde bases de données, qui met en évidence un ensemble de difficultés : sur-allocation deressources, procédures de réglage sous-optimales et faible adoption des outils d'automatisationexistants. À partir de ces constats, nous nous concentrons sur deux problèmes majeurs :la sur-provision de mémoire et le besoin d'outils d'auto-réglage des SGBD plus pratiques.Dans cette optique, nous proposons DOT, un cadre léger de sélection et d'optimisationdes paramètres de configuration. DOT combine l'élimination récursive de variables avecvalidation croisée (RFECV) et l'optimisation bayésienne afin d'identifier rapidement lesparamètres les plus influents. En réduisant l'espace de recherche sans nécessiter de longuesphases de mise en chauffe, DOT permet un réglage des SGBD plus efficace et économiqueque les autotuneurs traditionnels.Nous présentons ensuite MicroTune, un gestionnaire adaptatif de mémoire tamponpiloté par apprentissage par renforcement, qui ajuste en continu l'allocation mémoire enfonction de la charge. En adaptant dynamiquement la taille des tampons aux besoins dutravail, MicroTune réduit le gaspillage tout en respectant les contraintes de SLA, offrantainsi une solution concrète d'optimisation des ressources en production.En combinant des enseignements issus de la pratique avec des outils adaptatifs conçussur mesure, cette thèse propose des avancées plus adaptatives et pragmatiques pourl'automatisation de l'administration des SGBD.

Résumé traduit

Database Management Systems (DBMS) are crucial for efficient data management and ac-cess control, but due to the complexity of DBMS, their administration remains challengingfor Database Administrators. This thesis investigates DBMS administration automationthrough three complementary contributions for better adaptability and real-world appli-cability.First, we introduce a qualitative study of DBA workflows, which uncovers a spectrumof challenges—resource over-allocation, suboptimal tuning routines, and limited uptakeof available automation tools. From these findings, we concentrate on two pressing painpoints: excessive memory provisioning and the need for more practical DBMS auto-tuning.Building on this, we propose DOT, a lightweight knob selection and optimizationframework. DOT combines recursive feature elimination with cross-validation (RFECV)and Bayesian optimization to quickly identify the most impactful configuration knobs. Bynarrowing the search space without lengthy warm-up phases, DOT enables more efficientand cost-effective DBMS tuning compared to traditional autotuners.To address inefficient memory use, we introduce MicroTune, an adaptive RL-drivenbuffer manager that continuously adjusts memory allocation in real time. By rightsizingbuffers to match workload demands, MicroTune cuts waste and meets SLA requirements,showcasing a hands-on approach to resource optimization in production.By combining practitioner-driven insights with purpose-built, adaptive tools, this the-sis offers more adaptive and practical insights for advancing automated DBMS adminis-tration.