[发明专利]数据库负载响应时间预测模型训练样本的采集方法

说明书

技术领域

本发明属于基于聚类的样本采集方法，是应用于数据库负载响应时间预测模型的训练采集方法。

背景技术

当前的并行数据库系统中，预测负载响应时间非常重要，可以帮助数据库管理员调解数据库参数、合理安排调度并行负载。

但由于数据库并行负载间相互影响（Interaction）机理非常复杂，传统的分析型模型建立过程复杂，预测效果不好。因此现有文献主要是建立统计模型，来预测负载的响应时间。即通过样本采集、模型训练（回归）、模型评估三步完成统计模型建立。这方面的文献主要有[1] Duggan J, Cetintemel U, Papaemmanouil O, et al. Performance Prediction for Concurrent Database Workloads[C] //Proc.of 2011 ACM SIGMOD Conference(SIGMOD’2011). Athens, Greece, 2011:337-348

[2] Ahmad M, Aboulanaga A,Babu S, et al. Modeling and Exploiting Query Interaction in Database Systems[C] //Proc.of the 17th Conference on Information and Knowledge Management (CIKM’2008).Napa Valley,US,2008:183-192

[3] Ahmad M, AboulanagaA,Babu S, et al. Qshuffler: Getting the Query Mix Right[C] //Proc. of the 24th International Conference on Data Engineering (ICDE’2008).Cancun, Mexico,2008:1415-1417

[4] Ahmad M, Duan S, Aboulanaga A, et al. Predicting Completion Times of Bath Query Workloads Using Interaction-aware Models and Simulation[C] //Proc.of the 14th International Conference on Extending Database Technology (EDBT’2011).Uppsala, Sweden,2011:449-460

[5] Ahmad M, Duan S, Aboulanaga A, et al. Interaction-aware Scheduling of Report Generation Workloads [J].The VLDB Journal,2011,20(4):589-615

[6] Sheikh M B, Minhas U F, Khan O Z, et al. A Bayesian Approach to Online Performance Modeling for Database Appliances Using Gaussian Models[C] //Proc.of8th International Conference on Autonomic Computing(ICAC’2011).

Karlsruhe, Germany,2011:121-130。

但上述统计模型对应的采样方法没有考虑负载间相互影响，仅通过对全样本空间的特定抽样或随机抽样获得样本。随着数据库数据量增大，负载运行时间增加，如果不精选训练样本，会导致模型训练时间变长，模型建立的成本将会变得非常大。

发明内容

为了减少模型建立成本，缩短模型建立时间，本发明提供一种训练样本的采集方法，可以在不明显降低模型预测精度的同时，减少模型建立成本。

本发明的技术方案：数据库负载响应时间预测模型训练样本的采集方法，包括下述内容：

1、获取数据库每一个负载单独运行时的响应数据；