[發(fā)明專利]數(shù)據(jù)庫(kù)配置參數(shù)調(diào)整方法、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010618107.8
• 申請(qǐng)日: 2020-06-30
• 公開(kāi)（公告）號(hào): CN113872788A
• 公開(kāi)（公告）日: 2021-12-31
• 發(fā)明（設(shè)計(jì)）人: 弄慶鵬;李忠良;屠要峰;郭斌;黃震江;陳小強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 中興通訊股份有限公司
• 主分類號(hào): H04L12/24
• 分類號(hào): H04L12/24;G06N3/08;G06F16/27;G06F9/50
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 洪銘福

1.一種數(shù)據(jù)庫(kù)配置參數(shù)調(diào)整方法，應(yīng)用于數(shù)據(jù)庫(kù)調(diào)優(yōu)模塊，包括：

獲取來(lái)自數(shù)據(jù)庫(kù)服務(wù)器的數(shù)據(jù)庫(kù)狀態(tài)混合表征參數(shù)；

將所述數(shù)據(jù)庫(kù)狀態(tài)混合表征參數(shù)輸入到深度強(qiáng)化學(xué)習(xí)模型中生成目標(biāo)數(shù)據(jù)庫(kù)配置參數(shù)；

將所述目標(biāo)數(shù)據(jù)庫(kù)配置參數(shù)發(fā)送至數(shù)據(jù)庫(kù)服務(wù)器。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述數(shù)據(jù)庫(kù)狀態(tài)混合表征參數(shù)包括以下的一種或多種：數(shù)據(jù)庫(kù)性能參數(shù)、當(dāng)前數(shù)據(jù)庫(kù)配置參數(shù)、硬件資源參數(shù)、硬件資源狀態(tài)參數(shù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述深度強(qiáng)化學(xué)習(xí)模型包括混合表征模塊和自調(diào)優(yōu)模塊，所述混合表征模塊連接所述自調(diào)優(yōu)模塊；

所述將所述數(shù)據(jù)庫(kù)狀態(tài)混合表征參數(shù)輸入深度強(qiáng)化學(xué)習(xí)模型生成目標(biāo)數(shù)據(jù)庫(kù)配置參數(shù)，包括：

將所述數(shù)據(jù)庫(kù)狀態(tài)混合表征參數(shù)輸入到混合表征模塊；

所述混合表征模塊利用神經(jīng)網(wǎng)絡(luò)模型對(duì)所述數(shù)據(jù)庫(kù)狀態(tài)混合表征參數(shù)處理，得到混合表征向量；

將所述混合表征向量輸入到所述自調(diào)優(yōu)模塊，所述自調(diào)優(yōu)模塊利用加強(qiáng)學(xué)習(xí)模型對(duì)所述混合表征向量處理得到目標(biāo)數(shù)據(jù)庫(kù)配置參數(shù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，當(dāng)所述數(shù)據(jù)庫(kù)狀態(tài)混合表征參數(shù)包括數(shù)據(jù)庫(kù)性能參數(shù)、當(dāng)前數(shù)據(jù)庫(kù)配置參數(shù)、硬件資源參數(shù)、硬件資源狀態(tài)參數(shù)時(shí)；

所述將所述混合表征模塊利用神經(jīng)網(wǎng)絡(luò)模型對(duì)所述數(shù)據(jù)庫(kù)狀態(tài)混合表征參數(shù)處理，得到混合表征向量，包括：

獲取當(dāng)前所述數(shù)據(jù)庫(kù)性能參數(shù)和前次所述數(shù)據(jù)庫(kù)性能參數(shù)；以及，獲取所述當(dāng)前數(shù)據(jù)庫(kù)配置參數(shù)和前次所述數(shù)據(jù)庫(kù)配置參數(shù)；以及，獲取當(dāng)前所述硬件資源狀態(tài)參數(shù)和前次所述硬件資源狀態(tài)參數(shù)；以及，獲取所述硬件資源參數(shù)；

根據(jù)當(dāng)前所述數(shù)據(jù)庫(kù)性能參數(shù)獲得當(dāng)前所述數(shù)據(jù)庫(kù)性能參數(shù)特征向量；根據(jù)前次所述數(shù)據(jù)庫(kù)性能參數(shù)獲得前次所述數(shù)據(jù)庫(kù)性能參數(shù)特征向量；根據(jù)所述當(dāng)前數(shù)據(jù)庫(kù)配置參數(shù)獲得所述當(dāng)前數(shù)據(jù)庫(kù)配置參數(shù)特征向量；根據(jù)前次所述數(shù)據(jù)庫(kù)配置參數(shù)獲得前次所述數(shù)據(jù)庫(kù)配置參數(shù)特征向量；根據(jù)當(dāng)前所述硬件資源狀態(tài)參數(shù)獲得當(dāng)前所述硬件資源狀態(tài)參數(shù)特征向量；根據(jù)前次所述硬件資源狀態(tài)參數(shù)獲得前次所述硬件資源狀態(tài)參數(shù)特征向量；根據(jù)所述硬件資源參數(shù)獲得所述硬件資源參數(shù)特征向量；

根據(jù)當(dāng)前所述數(shù)據(jù)庫(kù)性能參數(shù)特征向量和前次所述數(shù)據(jù)庫(kù)性能參數(shù)特征向量，計(jì)算得到數(shù)據(jù)庫(kù)性能參數(shù)差值特征向量；根據(jù)所述當(dāng)前數(shù)據(jù)庫(kù)配置參數(shù)特征向量和前次所述數(shù)據(jù)庫(kù)配置參數(shù)特征向量，計(jì)算得到數(shù)據(jù)庫(kù)配置參數(shù)差值特征向量；根據(jù)當(dāng)前所述硬件資源狀態(tài)參數(shù)特征向量和前次所述硬件資源狀態(tài)參數(shù)特征向量，計(jì)算得到硬件資源狀態(tài)參數(shù)差值特征向量；

將所述數(shù)據(jù)庫(kù)性能參數(shù)特征向量、所述數(shù)據(jù)庫(kù)性能參數(shù)差值特征向量、所述數(shù)據(jù)庫(kù)配置參數(shù)特征向量、所述數(shù)據(jù)庫(kù)配置參數(shù)差值特征向量、所述硬件資源狀態(tài)參數(shù)特征向量、所述硬件資源狀態(tài)參數(shù)差值特征向量、所述硬件資源參數(shù)特征向量輸入到所述神經(jīng)網(wǎng)絡(luò)模型中，利用所述神經(jīng)網(wǎng)絡(luò)模型輸出混合表征向量。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述深度強(qiáng)化學(xué)習(xí)模型還包括數(shù)據(jù)庫(kù)配置參數(shù)獎(jiǎng)勵(lì)函數(shù)模塊；

所述將所述數(shù)據(jù)庫(kù)狀態(tài)混合表征參數(shù)輸入深度強(qiáng)化學(xué)習(xí)模型生成數(shù)據(jù)庫(kù)配置參數(shù)，還包括：

將所述數(shù)據(jù)庫(kù)狀態(tài)混合表征參數(shù)分別輸入到混合表征模塊和數(shù)據(jù)庫(kù)配置參數(shù)獎(jiǎng)勵(lì)函數(shù)模塊，生成獎(jiǎng)勵(lì)策略；

將所述獎(jiǎng)勵(lì)策略存儲(chǔ)到樣本池中；

對(duì)所述樣本池采樣獲得采樣數(shù)據(jù)；

利用所述采樣數(shù)據(jù)，對(duì)所述數(shù)據(jù)庫(kù)調(diào)優(yōu)模塊進(jìn)行優(yōu)化。