Версия 9.1 как синергия нейросетевой модели DeepSeek и статистического комплекса pg_expecto: единая доменная методология «эпистемической честности» для автоматизированного корреляционного анализа метрик СУБД и ОС, формирования сводных и итоговых отчётов по инцидентам производительности на основе двухэтапного промпт-инжиниринга (prompt_source.9.1 → prompt_result.9.1) с возможностью визуализации в HTML.
GitHub - Комплекс pg_expecto для статистического анализа производительности и тестирования СУБД PostgreSQL
Предисловие
Эксплуатация СУБД PostgreSQL в условиях производственных нагрузок требует формализованного подхода к диагностике инцидентов производительности, позволяющего интегрировать статистический анализ гетерогенных метрик с возможностями генеративных нейросетевых моделей.
Предлагаемая методология, реализованная в версии 9.1 комплекса pg_expecto, предлагает воспроизводимый двухэтапный шаблон анализа, основанный на симбиозе корреляционных методов и принципа «доменной методологии» с «эпистемической честностью».
ℹ️Практическая ценность подхода заключается в стандартизации сводных и итоговых аналитических отчётов по инциденту.
Описание инструкции v.9 и промптов v.9.1 для анализа отчетов по инциденту производительности СУБД
Инцидент производительности СУБД
Индикатор деградации производительности СУБД
Рис.1 Панель Zabbix - метрика "Индикатор деградации производительности СУБД".
Операционная скорость
Рис.2 График изменения операционной скорости в процессе инцидента.
Ожидания СУБД
Рис.3 График изменения ожиданий СУБД в процессе инцидента.
Список терминов и определений
Входные данные для анализа
Результаты работы отчета pg_expecto по инциденту производительности СУБД:
- НАСТРОЙКИ СУБД и VM
- ТЕСТОВЫЙ ОТРЕЗОК ПРОИЗВОДИТЕЛЬНОСТИ СУБД: КОМПЛЕКСНЫЙ КОРРЕЛЯЦИОННЫЙ АНАЛИЗ СУБД и VMSTAT
- ИНЦИДЕНТ ПРОИЗВОДИТЕЛЬНОСТИ СУБД: КОМПЛЕКСНЫЙ КОРРЕЛЯЦИОННЫЙ АНАЛИЗ СУБД и VMSTAT
Инструкция PG_EXPECTO 9.0 : "Эпистемическая честность" + "доменная методология"
Подробности о методологии
Системные промпты для формирования аналитических отчетов
Системный промпт для формирования сводного отчета по метрикам СУБД и ОС
Системный промпт для формирования итогового аналитический отчет по инциденту производительности СУБД
Порядок анализа инцидента производительности СУБД PostgreSQL
Шаг-1 : Загрузить инструкцию pg_expecto 9.0
Шаг-2 : Подготовить сводный отчет по метрикам СУБД и ОС
- Загрузить , входные данные для анализа .
- Скопировать содержимое системного промпта prompt_source.9.1.txt
- Запустить запрос DeepSeek
Шаг-3 : Сохранить сводный отчет по метрикам СУБД и ОС в виде текстового файла
Сохранить результат работы DeepSeek в текстовом файле: source.txt
Примечание/дополнение
При необходимости отдельного анализа метрик СУБД и ОС - сохранить отчет в виде html файла для удобства чтения:
Модифицируй ответ , конвертируй в формат html
Модифицируй ответ, замени таблицы на списки
Результат : source.html
Шаг-4 : Cформировать итоговый аналитический отчет по инциденту производительности СУБД PostgreSQL
Рекомендуется - начать новый чат и загрузить инструкцию pg_expecto 9.0 (Шаг-1)
- Загрузить входные данные : source.txt
- Скопировать содержимое системного промпта prompt_result.9.1.txt
- Запустить запрос DeepSeek
Шаг-5 : Сохранить итоговый аналитический отчет по инциденту производительности СУБД PostgreSQL
- Для дальнейшего экспертного анализа - сохранить отчет в виде html файла:
Модифицируй ответ , конвертируй в формат html
Модифицируй ответ, замени таблицы на списки
Результат : result.html
Общий технический итог
ℹ️Реализованная двухстадийная схема (системные промпты prompt_source.9.1.txt для формирования сводного отчёта и prompt_result.9.1.txt для итогового заключения) показала применимость на реальных данных мониторинга. Практическим итогом выступает сокращение времени анализа инцидента с нескольких часов до 15–20 минут при одновременном повышении полноты и системности результатов анализа.
ℹ️Методология позволяет не только локализовать момент деградации производительности, но и стандартизировать выходные форматы (текстовые файлы, HTML с конвертацией таблиц в списки), что критично для включения отчётов в корпоративные базы знаний и последующий аудит.