[发明专利]一种多模型数据库OrientDB参数配置自动调优方法

说明书

本发明涉及一种多模型数据库OrientDB参数配置自动调优方法，包括：在默认参数配置下使用MMBench对OrientDB进行基准测试，使用OSMonitor得到OrientDB的初始运行状态s，使用OPIndicator得到OrientDB的性能p；在状态s，调优模型输出参数配置a；将OrientDB参数配置调整为a后，使用MMBench对OrientDB进行基准测试，OSMonitor对OrientDB的运行状态进行实时监控和处理得到状态指标s′，OPIndicator统计OrientDB的性能变化，根据奖励函数计算得到奖励r；将训练数据四元组(s,a,r,s′)存入调优经验池；从调优经验池中随机采样数量为m的小批量样本用以训练调优模型；如果调优模型收敛或达到人为设置的终止条件则结束训练得到预训练调优模型；在实际工作负载下使用预训练调优模型输出推荐的参数配置。

技术领域

本发明属于数据库技术领域，更具体地，涉及一种基于深度强化学习的多模型数据库OrientDB参数配置自动调优方法。

背景技术

多模型数据库是近年来数据库领域里一个新的研究方向。OrientDB作为一种新兴的多模型数据库，存在参数配置优化的问题，一方面，默认的参数配置并不能使其达到最佳性能，需要针对实际应用负载对其参数配置进行调优；另一方面，现有的单模型数据库上的参数配置调优经验无法直接迁移到OrientDB上。为了降低参数配置调优难度，提高OrientDB性能，充分发挥其潜能，亟需研究OrientDB参数配置自动调优技术。

文献“Automatic Database Management System Tuning Through Large-scaleMachine Learning(SIGMOD2017)”提出了OtterTune，将机器学习技术运用到数据库参数配置自动调优中。OtterTune将工作负载特征化，利用历史调优经验数据训练机器学习模型，它首先使用Lasso算法选择出对系统性能影响最大的参数配置，然后将待处理的工作负载与已有的进行匹配，最后使用高斯过程回归算法对选择出来参数配置进行调优。

然而，上述数据库参数配置调优方法存在着不可忽略的问题：OtterTune在训练调优模型时，需要大量高质量的数据库管理员(Database Administrator，DBA)调优历史经验数据作为训练样本，但这些高质量的训练样本通常是很难获得的。

发明内容

本发明的目的在于提供一种多模型数据库OrientDB参数配置自动调优方法，用于解决现有基于机器学习的数据库参数配置调优方法无法在缺乏DBA调优历史经验数据的情况下正常工作的问题。