[發明專利]一種多模型數據庫OrientDB參數配置自動調優方法

有效

• 申請號: 202011029986.7
• 申請日: 2020-09-24
• 公開（公告）號: CN112131206B
• 公開（公告）日: 2023-01-10
• 發明（設計）人: 牛中盈;冉忞瑋;王沖;周可;宋時青;李春花;胡琦;王仁;馮帆
• 申請（專利權）人: 北京計算機技術及應用研究所;航天科工網絡信息發展有限公司;華中科技大學
• 主分類號: G06F16/21
• 分類號: G06F16/21;G06N3/08;G06F11/34
• 代理公司: 中國兵器工業集團公司專利中心 11011
• 代理人: 張然

1.一種多模型數據庫OrientDB參數配置自動調優方法，其特征在于，包括：

在默認參數配置下使用MMBench對OrientDB進行基準測試，使用OSMonitor得到OrientDB的初始運行狀態s，使用OPIndicator得到OrientDB的性能p；在狀態s，調優模型輸出參數配置a；

將OrientDB參數配置調整為a后，使用MMBench對OrientDB進行基準測試，OSMonitor對OrientDB的運行狀態進行實時監控和處理得到狀態指標s′，OPIndicator統計OrientDB的性能變化，根據獎勵函數計算得到獎勵r；

將訓練數據四元組(s,a,r,s′)存入調優經驗池；

從調優經驗池中隨機采樣數量為m的小批量樣本用以訓練調優模型；

如果調優模型收斂或達到人為設置的終止條件則結束訓練得到預訓練調優模型，否則，令s←s′，反回在狀態s，調優模型輸出參數配置a的步驟；

在實際工作負載下使用預訓練調優模型輸出推薦的參數配置，調優系統與用戶的OrientDB交互k次，在這k次交互的過程中調優系統對預訓練調優模型的網絡參數進行微調，以適應實際工作負載，取這k次中OrientDB性能最優時對應的參數配置作為調優模型推薦的參數配置；

其中，根據獎勵函數計算得到獎勵r：

其中，ΔP_t→0表示相對于默認參數配置下OrientDB性能的提升率，表示相對于OrientDB歷史最優性能的提升率；ΔP_t→0＞0表示當前性能相對于默認參數配置下OrientDB性能有所提升，ΔP_t→0＜0表示當前性能相對于默認參數配置下OrientDB性能有所下降，表示當前性能相對于OrientDB歷史最優性能有所提升，表示當前性能相對于OrientDB歷史最優性能有所下降。

2.如權利要求1所述的多模型數據庫OrientDB參數配置自動調優方法，其特征在于，

基于DDPG算法構建調優模型，DDPG算法包含行動者和評論家兩個部分，行動者部分采用當前行動者網絡和目標行動者網絡，評論家部分采用當前評論家網絡和目標評論家網絡，在調優模型中，隨機初始化當前行動者網絡的參數θ^μ和當前評論家網絡的參數θ^Q，初始化目標行動者網絡的參數θ^μ′和目標評論家網絡的參數θ^Q′，其中θ^μ′＝θ^μ，θ^Q′＝θ^Q，初始化調優經驗池，容量為M。

3.如權利要求1所述的多模型數據庫OrientDB參數配置自動調優方法，其特征在于，用(s_i,a_i,r_i,s′_i)表示單個樣本的初始運行狀態、參數配置、獎勵和狀態指標，計算當前評論家網絡的梯度；采用評論家網絡優化器更新當前評論家網絡的參數；計算當前行動者網絡的策略梯度；采用行動者網絡優化器更新當前行動者網絡的參數；更新目標行動者網絡和目標評論家網絡的參數。

4.如權利要求1所述的多模型數據庫OrientDB參數配置自動調優方法，其特征在于，a＝μ(s|θ^μ)，μ是利用當前行動者網絡逼近的策略函數，θ^μ為當前行動者網絡的參數。

5.如權利要求1所述的多模型數據庫OrientDB參數配置自動調優方法，其特征在于，在實際工作負載下使用預訓練調優模型輸出推薦的參數配置，包括：

S21、使用基準測試工具MMBench重放當前實際工作負載，對OrientDB進行性能測試；在MMBench對OrientDB進行性能測試期間，使用OSMonitor得到OrientDB的初始運行狀態，使用OPIndicator得到OrientDB在默認參數配置下的性能；

S22、使用預訓練調優模型為OrientDB輸出推薦的參數配置，在與用戶的OrientDB進行交互的過程中對預訓練調優模型的網絡參數進行微調，以適應實際工作負載；

S23、重復n次步驟S22，取這n次中OrientDB性能最優時對應的參數配置作為調優模型推薦的最終參數配置，將OrientDB參數配置調整為