[發明專利]一種面向云計算環境的數據庫配置優化方法

有效

• 申請號: 202110006167.9
• 申請日: 2021-01-05
• 公開（公告）號: CN112328332B
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 花磊;趙安全
• 申請（專利權）人: 蘇州博納訊動軟件有限公司
• 主分類號: G06F9/445
• 分類號: G06F9/445;G06F16/21
• 代理公司: 蘇州謹和知識產權代理事務所(特殊普通合伙) 32295
• 代理人: 葉棟

1.一種面向云計算環境的數據庫配置優化方法，其特征在于，所述方法包括：

根據各類型數據訪問操作的數量刻畫數據庫的負載特征，使用Markov鏈模型根據所述負載特征預測下個時刻數據訪問操作的工作負載；

根據歷史訓練數據構建在預設負載條件下數據庫集群的性能模型，通過所述性能模型預測服務器集群在預設負載下的性能；

將需要重新配置的服務器分組，根據所述服務器集群的吞吐量以及成本條件制定配置計劃；

所述根據各類型數據訪問操作的數量刻畫數據庫的負載特征，使用Markov鏈模型根據所述負載特征預測下個時刻數據訪問操作的負載狀況，包括：

將給定時間t的工作負載表示為W(t)={a₁,a₂,…,a_i,…,a_n}，其中，a_i根據不同表示結構化查詢語言SQL查詢類型的數量，n表示查詢類型數量；所述SQL查詢類型包括，嵌套子查詢的數量、選擇謂詞的總數、相等選擇謂詞的數量、非相等選擇謂詞的數量、連接謂詞的總數、等價連接謂詞的數量、非等價連接謂詞的數量、排序列的數量和聚合列的數量；

在已知W (t), ..., W(t-h)的情況下，使用Markov鏈模型預測W (t +1)工作負載，其中h為歷史時間長度；

所述根據歷史訓練數據構建在預設負載條件下數據庫集群的性能模型，通過所述性能模型預測服務器集群在預設負載下的性能，包括：

通過D-Optimal算法使用線性和二次參數模型，將各個配置參數映射到相應的資源，分析配置參數之間的依賴性；

使用決策樹針對配置參數集預測單個數據庫服務器的性能，輸入為負載和配置，輸出為吞吐量；

使用隨機森林模型預測集群整體性能，其中，輸入為每個服務器預測的性能、集群中鍵副本數量、讀寫操作成功的最小節點數量和數據放置信息，輸出為不同決策樹輸出的平均值；

所述將需要重新配置的服務器分組，包括：

將需要重新配置的服務器分為一個或多個完全集合；

所述根據所述服務器集群的吞吐量以及成本條件制定配置計劃，包括：

配置計劃為：C*=c*(f(W,C)/Cost(C))；其中，函數f(W,C)是數據庫集群的性能預測模型，輸入是負載向量W和配置向量C，輸出是數據庫集群的吞吐量，f(W,C)大于目標操作數，Cost(C)小于租用虛擬機資源的投入成本；

所述根據所述服務器集群的吞吐量以及成本條件制定配置計劃，還包括：

在確定配置計劃C之后，根據基因算法確定最佳配置。