Releem Agent：把 MySQL 调优变成一条有护栏的流水线

想象一个深夜告警：线上 API 的 P99 突然从 80ms 涨到 1.4s，DBA 看了一眼 innodb_buffer_pool_size，怀疑内存给小了，但没敢动手——因为上一个季度改过一次参数，事故还没复盘完。Releem Agent 想解决的就是这个"知道该改什么，但不敢改、也没人手改"的中间地带。

它是什么：一个跑在数据库旁边的"数据采集 + 受控执行"代理

Releem 是一家北卡罗来纳州的商业数据库服务公司，2019 年起做 MySQL 调优 SaaS。开源的是它部署在客户机器上的那半边——Releem Agent，用 Go 编写，模块名还留着历史名 github.com/Releem/mysqlconfigurer。代理常驻在数据库主机上（也支持 Docker、K8s、Windows Server），每 60 秒采集一次 MySQL/MariaDB/PostgreSQL 的状态变量、系统指标、查询统计与 schema 结构，送到 Releem 云端平台；云端跑规则引擎 + 机器学习模型，再把配置建议、索引建议、DDL 变更任务下发回来，代理负责执行。

关键一点：开源的是"执行端"，大脑在云上。想完整用起来必须注册 releem.com 账号拿到 API key，填进 releem.conf 或 Docker 的 RELEEM_API_KEY 环境变量。这意味着它不是自托管的监控平台，而是"开源客户端 + 闭源 SaaS"的混合形态。

类比：像老军医开的自动处方，但有人签字

传统调优工具 mysqltuner 是"拍 X 光片"——扫一遍给你一份参数建议清单，改不改全靠人；pt-query-digest 是"翻病历"——解析慢日志告诉你哪条 SQL 最贵。Releem 更像"带随访的专科门诊"：它持续跟踪你的指标变化，AI 调优必须等基线数据采集到位、且上一次建议被应用过之后才会启动，再把 AI 调整与规则基线建议、人工覆盖项合并成一份提案。文档里写得很直白：显示提案不会改动服务器，团队审查后才选择执行方式。

核心功能与技术实现

• 配置调优：规则引擎先给完整基线建议，机器学习只做"有限调整"，且受专家系统验收检查约束，证据不足时直接抑制该调整。
• 查询与索引优化：基于 performance_schema 的查询指纹分析，识别高频扫描大表的查询，给出索引 DDL。
• Schema 自动化（task-automator/）：这是本仓库最有工程含量的部分。代理收到平台校验过的 DDL 后，先检查 enable_exec_ddl 开关，再做 datadir 空间检查、变更前备份，然后优先走原生 Online DDL（ALGORITHM=INPLACE/INSTANT/MariaDB NOCOPY + LOCK=NONE），失败才回退 pt-online-schema-change。关键是先在 scratch schema 的空克隆表上做预检，全部流程钉在同一个数据库会话上并临时调小 lock_wait_timeout。显式的 ALGORITHM=COPY、LOCK=EXCLUSIVE 会被直接拒绝而非强行执行。
• 云厂商参数下发：tasks/ 下分别有 AWS RDS、GCP Cloud SQL、Azure Database for MySQL 的 apply 实现与独立测试。AWS 路径用退出码区分场景（实例参数组 2/3，集群参数组 4/5），Aurora 场景额外要求集群参数组必须 custom、已挂载、匹配，且只有 writer 能改集群组。
• 自动回滚：应用配置出问题时自动回退到上一份配置。

上手门槛

有 Docker 镜像 releem/releem-agent（约 130MB，已拉取超千万次），entrypoint 通过环境变量模板生成 releem.conf。裸机可用 install.sh（7 万多字符，覆盖 Linux/各发行版）、windows/install.ps1、releem.sh、mysqlconfigurer.sh。但要注意：Dockerfile 里并没有从源码构建 Go 二进制，而是从 S3 下载预编译的 releem-agent-$(arch)——想改代码得自己 go build。

争议与局限

1. 开源边界：Agent 开源，AI 模型、基线历史库、推荐逻辑都在闭源云端。这与 Prometheus、Percona Toolkit 这类"完全可离线自托管"的工具定位完全不同。
2. 需付费订阅：免费档只调 10 个 MySQL 变量，更多变量要 Premium。
3. 数据外传：采集内容包括系统资源统计、数据库设置、schema/表名、查询样例与 EXPLAIN 计划，虽然平台声称"只有指标没有数据"，但敏感环境需要先过一遍安全审查。
4. Agent 权限很大：能写配置、重启 MySQL 服务、执行 DDL、建备份。对生产库部署前必须评估权限边界。
5. AI 调优起步慢：需要数天基线数据，"最多 12 小时才检测到配置变更"也是官方文档承认的延迟。
6. 厂商自带的对比结论要打折：它与 mysqltuner/pt-query-digest 的对比表都是自己写的。

行业意义

Releem 代表的是 2024 年后数据库运维工具的一类共同演化：把"专家经验"固化成规则引擎 + 机器学习，把"改生产库"包进审批、回滚、审计的受控自动化里。Vlad Mihalcea（High-Performance Java 博客作者）在实测后评价其指标与查询分析视图设计扎实。仓库本身质量也可圈可点：233 个文件，Go 单测 + Bats 端到端安装测试 + Terraform 驱动的云上 e2e 测试三线并行，AGENTS.md 里甚至详细规定了 AI 协作编码时必须保持的行为契约（如退出码语义、不可改动二进制与密钥文件）。这种"把工程规矩写给 Agent 读"的做法本身，就已经是开源项目里少见的成熟度信号。