В работе рассматривается применение методов машинного обучения при анализе данных мониторинга рабочей нагрузки баз данных. Предлагается подход к кластеризации запросов, выполняемых в базе данных на основе вводимого коэффициента, отражающего отношение проделанной работы к возвращаемому результату. Приводится пример анализа истории нагрузки с использованием тепловых карт и рассматривается соотношение параметров сложности фактических запросов с введенным коэффициентом.