[發明專利]一種基于Ottertune服務的集群調優方法及裝置

有效

• 申請號: 202110356181.1
• 申請日: 2021-04-01
• 公開（公告）號: CN113127446B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 金昭
• 申請（專利權）人: 山東英信計算機技術有限公司
• 主分類號: G06F16/21
• 分類號: G06F16/21;G06F18/2135;G06F18/22;G06F18/214;G06N3/092
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 楊威

1.一種基于Ottertune服務的集群調優方法，其特征在于，包括：

利用目標數據庫的樣本集群狀態信息和樣本性能信息學習訓練得出目標模型；

獲取所述目標數據庫的當前集群狀態信息；

將所述當前集群狀態信息輸入至所述目標模型中，利用所述目標模型輸出與所述當前集群狀態信息對應的當前性能信息；

判斷所述當前性能信息是否達到目標性能狀態；

若否，則根據所述當前性能信息確定出對應的配置信息，利用所述配置信息調整所述目標數據庫的配置變量，并進入所述獲取所述目標數據庫的當前集群狀態信息的步驟；若是，結束進程；

其中，所述根據所述當前性能信息確定出對應的配置信息，利用所述配置信息調整所述目標數據庫的配置變量的過程，具體包括：

獲取與所述目標數據庫對應的目標服務器的硬件配置信息和軟件配置信息；

根據所述硬件配置信息、所述軟件配置信息以及所述當前性能信息確定出對應的配置信息，利用所述配置信息調整所述目標數據庫的所述配置變量。

2.根據權利要求1所述的方法，其特征在于，所述利用目標數據庫的樣本集群狀態信息和樣本性能信息學習訓練得出目標模型的過程，具體包括：

獲取所述目標數據庫的所述樣本集群狀態信息和與各所述樣本集群狀態信息對應的樣本性能信息；

將所述樣本集群狀態信息和所述樣本性能信息輸入至深度神經網絡中進行學習訓練，當模型精準度達到預設標準時輸出所述目標模型。

3.根據權利要求2所述的方法，其特征在于，所述將所述樣本集群狀態信息和所述樣本性能信息輸入至所述深度神經網絡中進行學習訓練，當模型精準度達到預設標準時輸出所述目標模型的過程，具體包括：

將所述樣本集群狀態信息和所述樣本性能信息輸入至所述深度神經網絡中進行學習訓練，調用多個不同的比對函數庫判斷所述模型精準度，當所述模型精準度達到預設標準時輸出所述目標模型。

4.根據權利要求2所述的方法，其特征在于，在所述獲取所述目標數據庫的所述樣本集群狀態信息和與各所述樣本集群狀態信息對應的樣本性能信息之后，進一步包括：

對所述樣本集群狀態信息進行降維處理。

5.根據權利要求2所述的方法，其特征在于，進一步包括：

當迭代更新模型達到最大迭代次數時，將迭代更新次數為所述最大迭代次數對應的模型輸出為所述目標模型。

6.根據權利要求1至5任一項所述的方法，其特征在于，進一步包括：

記錄確定出的各所述配置信息以及對應的配置變量。

7.一種基于Ottertune服務的集群調優裝置，其特征在于，包括：

訓練模塊，用于利用目標數據庫的樣本集群狀態信息和樣本性能信息學習訓練得出目標模型；

獲取模塊，用于獲取所述目標數據庫的當前集群狀態信息；

執行模塊，用于將所述當前集群狀態信息輸入至所述目標模型中，利用所述目標模型輸出與所述當前集群狀態信息對應的當前性能信息；

判斷模塊，用于判斷所述當前性能信息是否達到目標性能狀態；若否，則調用調整模塊；若是，結束進程；

所述調整模塊，用于根據所述當前性能信息確定出對應的配置信息，利用所述配置信息調整所述目標數據庫的配置變量，并調用所述獲取模塊；

其中，所述根據所述當前性能信息確定出對應的配置信息，利用所述配置信息調整所述目標數據庫的配置變量的過程，具體包括：

獲取與所述目標數據庫對應的目標服務器的硬件配置信息和軟件配置信息；

根據所述硬件配置信息、所述軟件配置信息以及所述當前性能信息確定出對應的配置信息，利用所述配置信息調整所述目標數據庫的所述配置變量。

8.一種基于Ottertune服務的集群調優設備，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述計算機程序時實現如權利要求1至6任一項所述的基于Ottertune服務的集群調優方法的步驟。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述的基于Ottertune服務的集群調優方法的步驟。