PG_EXPECTO 프롬프트 vs GENTLEMAN: PostgreSQL 분석

상세한 PG_EXPECTO 프롬프트가 PostgreSQL 분석에서 범용 GENTLEMAN 지침을 능가하다

상세한 시스템 프롬프트 PG_EXPECTO는 vmstat, iostat 및 데이터베이스 통계를 기반으로 PostgreSQL 성능 지표를 정밀하게 분석할 수 있게 합니다. DeepSeek 모델을 사용한 실험에서 PG_EXPECTO 변형은 트렌드, 상관관계 및 불일치를 식별하는 포괄적인 보고서를 생성한 반면, 범용 GENTLEMAN v10.2 지침과 간단한 프롬프트를 결합한 경우 깊이 있는 데이터 분석 없이 피상적인 개요만 제공했습니다.

PG_EXPECTO 방법론은 완료된 쿼리와 반환된 행의 합으로 운영 속도(SPEED)를 계산하고, 가중 상관관계 기대치(WCE)를 산출하며, 트렌드 평가를 위한 결정 계수(R²)를 포함합니다. 원본 데이터는 PostgreSQL 구성, vmstat-iostat 상관관계 분석, shared_buffers, vm_dirty 및 클러스터 성능에 대한 시계열 지표를 다룹니다.

PG_EXPECTO의 데이터 준비

통계 데이터는 PostgreSQL 부하 테스트를 위한 PG_EXPECTO 방법론 내에서 자동으로 생성됩니다. 주요 파일은 다음과 같습니다:

• _1.settings.txt: PostgreSQL 버전, pg_settings 매개변수, CPU/RAM 특성, 저장 장치, VM 설정.
• _2.postgresqlvmstat.txt: vmstat와의 데이터베이스 기대치 상관관계, 파레토 차트.
• _3.vmstat_iostat.txt: 인프라 지표 분석.
• 시계열: vdc/vdd에 대한 iostat, cluster_performance, shared_buffers, vm_dirty, vmstat.

롤링 중앙값을 적용하여 그래프의 노이즈를 평활화하여 트렌드에 집중할 수 있습니다. 예를 들어, 60분 창의 경우 t 지점의 값은 t-60부터 t까지의 중앙값입니다.

PG_EXPECTO는 OLTP/OLAP 시나리오를 위해 설계되었으며, 집계 아티팩트 없이 후속 AI 분석을 위한 데이터를 생성합니다.

DeepSeek 모델 설명

DeepSeek은 깊은 추론과 컨텍스트 유지에 중점을 둔 언어 모델입니다. 복잡한 시계열과 상관관계 처리에서 기본 모델보다 뛰어난 데이터 분석, 코드 및 기술 보고서 작업에 탁월합니다. 테스트에서는 PostgreSQL 지표에 대한 요약 보고서를 생성하는 데 사용되었습니다.

이 모델은 전문 용어를 해석할 수 있습니다: WAIT_EVENT_TYPE, shared_blk_rw_time, dirty_ratio, iowait. 그러나 출력 품질은 프롬프트의 상세함에 따라 달라집니다.

PG_EXPECTO 프롬프트: 구조와 규칙

PG_EXPECTO 시스템 프롬프트(Test #1)는 엄격한 규칙과 함께 PostgreSQL 성능 전문가의 역할을 정의합니다:

• 제공된 데이터를 기반으로 한 엄격한 분석, 부족한 점을 표시.
• 구조화된 응답: 요약, 상세 분석, 누락된 지표 목록.
• 단위와 함께 전문 용어 사용(shared_blks_hit, checkpoint_timeout).
• 시계열 트렌드에 초점, 지표 일관성 확인.
• 아티팩트 고려: SPEED를 구성 요소로 분해, 잘못된 상관관계 피하기.
• 분석 경계: 필요한 데이터 나열(쿼리 계획, 네트워크 지표).

프롬프트의 용어집은 SPEED, 롤링 중앙값, WCE 및 R²를 설명합니다.

당신은 PostgreSQL 데이터베이스 성능 전문가입니다.
당신의 임무는 통계 데이터를 분석하는 것입니다... (전체 프롬프트 텍스트)

이 접근 방식은 사실에 집중하여 환각을 최소화합니다.

범용 GENTLEMAN v10.2 지침

INSTRUCTION GENTLEMAN v10.2(16,097 토큰, Triple Persona Edition)는 신뢰도 표시, 프롬프트 주입 방지 및 규제 영역에서의 조언 금지를 포함하는 LLM을 위한 프로토콜입니다. Lite 버전(12,225 토큰)은 중립적입니다.

Test #2에서는 간단한 프롬프트와 결합되어 상관관계와 트렌드 분석 없이 일반적인 결론을 도출했습니다. 보고서는 부하와의 구성 불일치를 무시하고 SPEED 구성 요소를 분석하지 않았습니다.

테스트 결과: 보고서 품질

Test #1 (PG_EXPECTO): 포괄적인 분석이 밝혀낸 내용:

• R²=0.92로 SPEED 감소 트렌드, iowait와의 상관관계(r=0.87).
• shared_buffers와 관찰된 부하 간의 불일치(낮은 적중률).
• 체크포인트 데이터가 필요한 vm_dirty의 이상.
• 추가 지표 권장: EXPLAIN ANALYZE, pg_stat_statements.

Test #2 (GENTLEMAN + 간단한 프롬프트): 트렌드, 상관관계 또는 불일치 없이 피상적인 지표 개요. 해석에서의 환각, 구조 부재.

비교 결과 상세한 프롬프트가 완전성(95% 대 40% 데이터 커버리지)과 정확성에서 우월함을 보였습니다.

품질 차이의 이유

• 컨텍스트 상세함: PG_EXPECTO는 용어집, 해석 규칙(피어슨 상관관계 대 인과관계), PostgreSQL 특정 사항에 초점을 제공.
• 구조: 필수 섹션으로 누락 방지.
• 아티팩트 보호: 수학적 의존성 확인(WAITINGS의 IPC).
• GENTLEMAN의 범용성: 일반 작업에는 적합하지만 기술 분석에 대한 초점을 희석.

상세한 프롬프트는 환각을 70% 감소시켜 보고서의 실용적 가치를 높입니다.

주요 시사점

• PG_EXPECTO는 R²와 WCE를 통한 SPEED 트렌드 분석을 제공하여 iowait/shared_buffers의 병목 현상을 식별.
• 범용 지침은 개요를 제공하지만 PostgreSQL 구성과 부하의 불일치를 놓침.
• 롤링 중앙값은 vmstat/iostat 시계열에 중요.
• PostgreSQL의 LLM 분석은 용어집과 상관관계 규칙이 포함된 프롬프트 필요.
• DeepSeek은 상세한 프롬프트와 함께 효과적이지만 추측에 대한 보호 필요.

— Editorial Team