現代のデータベースシステムにおいて物理設計の最適化は，パフォーマンスを左右する重要な要素である．しかし実運用環境ではワークロードやデータ特性が絶えず変化するため，過去の統計情報に依存した静的チューニングでは十分な性能を維持できない．このような動的に変化する環境においては，設計変更が性能に与える影響を予測し，適応的に最適化を行う仕組みが求められる．反実仮想機械学習は因果推論に基づき，ログデータから「起こりえたが実際には起きなかった行動」の効果を推定することで，意思決定の最適化を可能とする技術である．本研究では反実仮想機械学習を活用し，動的環境下にて適応的にチューニングを行うための基盤を構築する．