Hội nghị PGConf.EU 2026: Autonomous Postgres từ script đến tự vận hành

Tại PGConf.EU 2026 ở Valencia, phiên làm việc về "Autonomous Postgres" do Marc Linster, Ryan Booz và Vibhor Kumar tổ chức đã thu hút gần 40 chuyên gia, kỹ sư và cả những người hoài nghi. Câu hỏi trung tâm: Autonomous Postgres hiện thực đến đâu? Các bài trình bày cho thấy quá trình chuyển dịch đã diễn ra, đồng thời chỉ ra khoảng trống thực sự.

Postgres cần trở nên "dễ đọc" hơn là thông minh hơn

Postgres vốn là một trong những cơ sở dữ liệu đáng tin cậy nhất: không mất dữ liệu đã commit và không che giấu những gì nó đã làm. Vấn đề là nó chưa thể tự giải thích cho một agent. Mỗi agent cần một phần thông tin riêng trong năm nhóm: hệ thống có gì, tổ chức ra sao, dữ liệu nghĩa là gì, hành vi bình thường thế nào và được phép thay đổi điều gì. Hiện phần lớn kiến thức này nằm trong đầu DBA, trong runbook và dashboard, không nằm trong Postgres. Vì vậy thách thức không phải làm Postgres thông minh hơn mà làm nó dễ đọc hơn, đủ để một agent được tin tưởng hành động.

Tác giả gọi nguyên tắc này là "least knowledge" – người anh em của least privilege: cấp cho mỗi agent đúng phần kiến thức công việc cần, không hơn.

Ba góc của một tam giác

Phiên làm việc mở đầu bằng một khung đơn giản: Autonomous Postgres xuất hiện ở ba nơi với Postgres ở giữa.

• AI cho nhà phân tích: giúp người dùng chuyển câu hỏi thành truy vấn, báo cáo mà không cần là chuyên gia SQL.
• AI cho DBA: hỗ trợ tinh chỉnh, hiệu năng, phân tích nguyên nhân gốc và bảo mật.
• Tạo giá trị và quản trị dựa trên AI: Postgres là hệ thống ghi nhận cho chính AI – dữ kiện, trạng thái, quyền, kiểm toán và ngữ cảnh.

Thực tế, hầu như không bài nào nằm gọn trong một góc; phần lớn nằm trên cạnh giữa hai góc và đều nghiêng về góc quản trị. Nói cách khác, quản trị không phải hạng mục riêng mà là lực giữ hai góc kia lại với nhau.

Khung tam giác còn bỏ sót bốn đối tượng: lập trình viên (nơi rẻ nhất để ngăn sự cố), đội xe nhiều instance, chủ sở hữu dữ liệu (người phê duyệt ý nghĩa dữ liệu) và chính các agent như một loại tải công việc. Hai trục nữa cũng chưa được thể hiện: mức độ tự chủ và nơi diễn ra suy luận.

Những điểm đáng chú ý từ các bài trình bày

Rajesh Nagpal và Anil Kumar cho rằng AI dựa trên ba trụ cột: mô hình, agent và ngữ cảnh. Anil nhấn mạnh người quan sát tốt nhất Postgres chính là Postgres: chỉ planner biết vì sao nó chọn kế hoạch đó, và các mảnh ghép đã có trong pg_stat_statements, auto_explain, HypoPG và pg_plan_advice ở PostgreSQL 19. Hai ý tưởng định hình cả buổi: tự chủ bị giới hạn bởi khả năng đảo ngược chứ không phải trí tuệ, và nên "out-context" mô hình frontier thay vì cố suy luận giỏi hơn nó.

Luigi Nardi trình bày cách kết hợp LLM với thống kê chặt chẽ để xác định tham số cấu hình nào thực sự ảnh hưởng đến hiệu năng, dựa trên dữ liệu thực tế từ một hệ thống RDS production.

Matt Yonkovit đề xuất vòng lặp agent chạy bên trong Postgres, lưu định nghĩa và trạng thái agent trong cơ sở dữ liệu để thừa hưởng role, transaction và kiểm toán.

Dave Page lập luận rằng niềm tin là thuộc tính của hệ thống, không phải của mô hình. Trợ lý Ellie của pgEdge chạy ngoài cơ sở dữ liệu, dùng 21 công cụ có kiểu thay vì prompt SQL thô, ghi dữ liệu phải qua phê duyệt. Ông cũng chỉ ra PostgreSQL còn thiếu chế độ chỉ đọc thực sự cho kết nối.

Divya Sharma xây agent xử lý transaction ID wraparound theo ba nguyên tắc: không lưu trạng thái, chính sách đặt lên trước và chỉ dùng một role. Quyết định hành động luôn đến từ phán quyết DBA đặt trước, không giao cho mô hình.

A. Bilge Ince chỉ ra text-to-SQL đạt trên 90% trên benchmark học thuật nhưng chỉ còn khoảng 11% trên kho dữ liệu thực tế. Nhóm cô giải quyết bằng chuỗi cải tiến: MCP hạn chế, COMMENT ON chất lượng cao, embedding mô tả, gợi ý join từ pg_constraint và các alias tham số hóa, rồi thêm lớp tin cậy qua application_name.

Nguồn: Planet PostgreSQL