[發明專利]一種基于機器學習進行數據庫系統性能預測的方法及系統

在審

• 申請號: 201911296302.7
• 申請日: 2019-12-16
• 公開（公告）號: CN112988529A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 張繼東;曹靖城;劉文媛;閆妍
• 申請（專利權）人: 天翼智慧家庭科技有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06N3/04;G06N3/08
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 蔡悅

1.一種基于機器學習進行數據庫系統性能預測的方法，其特征在于，所述方法包括：

采集數據庫運維數據以形成各時間周期的多維狀態向量；

基于所述多維狀態向量計算跨多個時間周期的趨勢向量；

獲取相應各時間周期的數據庫系統性能指標；

基于所獲取的數據庫系統性能指標計算系統評價值；

基于所述趨勢向量與所述系統評價值來訓練數據庫系統性能預測模型；以及

將實時形成的趨勢向量輸入所述數據庫系統性能預測模型以輸出預測的系統評價值。

2.如權利要求1所述的方法，其特征在于，基于所述多維狀態向量計算跨多個時間周期的趨勢向量進一步包括：

拼接所涉及的多個時間周期的每一對相鄰時間周期的狀態變化向量以及所涉及的多個時間周期中的最后一個時間周期的多維狀態向量以形成所涉趨勢向量，其中相鄰時間周期的狀態變化向量為后一時間周期的多維狀態向量與前一時間周期的多維狀態向量的差。

3.如權利要求1所述的方法，其特征在于，基于所獲取的數據庫系統性能指標計算系統評價值進一步包括：

將所獲取的數據庫系統性能指標與相應的參考值作比較；以及

基于比較結果將所述系統評價值確定為預先設定的多個等地值中的一個。

4.如權利要求1所述的方法，其特征在于，所述數據庫系統性能預測模型基于SOFTMAX分類器，并且基于所述趨勢向量與所述系統評價值來訓練數據庫系統性能預測模型進一步包括：

將對應于相同時間周期多維趨勢向量和系統評價值分別作為所述SOFTMAX分類器的輸入和輸出。

5.如權利要求4所述的方法，其特征在于，所述訓練過程以以下方式在線地進行：

將所述趨勢向量輸入所述SOFTMAX分類器；

所述SOFTMAX分類器基于當前權重輸出預測結果；

以對應于所輸入的趨勢向量的周期的真實系統評價值進行反向傳播，對損失函數求導；

通過梯度下降法以最快速度使所述損失函數最小；

以導數更新所述SOFTMAX分類器的權重；以及

重復循環以上步驟。

6.如權利要求1所述的方法，其特征在于，所述方法還包括：

響應于所述數據庫系統性能預測模型輸出的預測的系統評價值觸發預設定的預警條件，發出預警。

7.如權利要求1所述的方法，其特征在于，所述方法還包括：

響應于計算出的系統評價值觸發預設定的告警條件，發出告警。

8.一種基于機器學習進行數據庫系統性能預測的系統，其特征在于，所述系統包括：

數據采集模塊，所述數據采集模塊被配置成：

采集數據庫運維數據以形成各時間周期的多維狀態向量；以及

基于所述多維狀態向量計算跨多個時間周期的趨勢向量；

數據庫系統性能評價模塊，所述數據庫系統性能評價模塊被配置成：

獲取相應各時間周期的數據庫系統性能指標；以及

基于所獲取的數據庫系統性能指標計算系統評價值；

機器學習模塊，所述機器學習模塊被配置成基于所述趨勢向量與所述系統評價值來訓練數據庫系統性能預測模型；

數據庫系統性能預測模塊，所述數據庫系統性能預測模塊被配置成使用經訓練的數據庫系統性能預測模型提供預測的系統評價值；以及

告警模塊，所述告警模塊被配置成：

響應于所述數據庫系統性能預測模型輸出的預測的系統評價值觸發預設定的預警條件，發出預警；以及

響應于計算出的系統評價值觸發預設定的告警條件，發出告警。

9.如權利要求8所述的系統，其特征在于，所述數據庫系統是MySQL數據庫系統。

10.如權利要求8所述的系統，其特征在于，所述數據庫系統性能指標包括數據庫IO性能指標。