[发明专利]一种云存储系统的参数配置优化方法及优化系统

说明书

本发明提出了一种云存储系统的参数配置优化方法及优化系统，通过对参数进行降维，选取其中对系统影响度最大的参数，确保参数采样的高效性；通过gibbs采样算法有效挖掘参数之间的关联性，确保数据集的有效性；通过遗传算法来搜寻最优参数配置列表，最后针对当前系统安全态下利用推荐算法进行有效的参数配置推荐，能够有效解决现有云存储平台参数配置综合性能提升不明显的问题；本发明方法通过建立综合性能指标，综合考虑了系统的读写和延迟性能。

技术领域

本发明属于智能电网技术领域，具体涉及一种云存储系统的参数配置优化方法及优化系统。

背景技术

智能电网的信息系统是保障电力行业正常运行的基础，而智能电网中各种数据的高效存储是电力系统的数据命脉。云存储系统平台已经成为当前主流的系统架构之一，大量的企业开始大规模运用云存储平台部署自己的应用。但是大量的问题也随之而来，Ceph云存储系统性能受Ceph配置参数的显著影响问题就是其中之一。在优化云存储系统性能时，并不是优化所有的参数，而是根据专家的经验选取影响度大的参数进行优化。在构建系统参数优化体系时，由于系统的配置参数种类繁多、含义复杂，导致容易遗失关键参数，难以实现快速准确的调整优化参数。如何快速准确的调整系统的参数配置就成为云存储环境下的性能优化的重要组成部分。

传统的存储参数优化方法，在一定程度上解决存储系统繁琐的参数配置调整问题，但未能考虑存储系统参数之间的空间关联性，不能很好地解决Ceph系统的参数配置优化问题。

发明内容

发明目的：为解决现有云存储平台参数配置综合性能提升不明显的问题，本发明提出了一种云存储系统的参数配置优化方法及优化系统。

技术方案：本发明公开了一种云存储系统的参数配置优化方法，包括以下步骤：

步骤1：采用主成分分析算法对云存储系统进行有效特征提取；

步骤2：对有效特征进行高维采样，得到参数样本，获取参数样本对应的性能值，基于参数样本和其对应的性能值构建样本集；

步骤3：构建预测性能模型；

步骤4：采用预测性能模型，对参数样本的性能值进行预测，将参数样本及其对应的性能预测值作为步骤5的参数配置及其对应的性能预测值的参与计算；

步骤5：将参数配置作为遗传算法的输入值，将参数配置的性能预测值作为适应度值，执行交叉、变异操作，生成新的参数配置，将新的参数配置作为预测性能模型的输入，得到与其对应的性能预测值；重复执行步骤5，直至达到设定迭代次数，得到最优参数配置；

步骤6：将当前电网运行的有效负载所用的参数与步骤5得到的最优参数配置进行相似度计算，选出相似度符合预设条件的参数配置进行推荐。

进一步的，所述步骤1具体包括：

S101：获取原始数据矩阵X，所述原始数据矩阵X为由m×n个排成的m行n列构成的m×n的矩阵，其中，j＜m，i＜n；原始数据矩阵X中处于同一列的数据对应一个特征；

S102：根据式(1)计算各个特征的均值；

式中，u_j表示第j个特征均值，表示第j行第i列的数据；

S103：将原始数据矩阵X中的元素减去其所在行的均值，并用相减得到的数据替换原先元素；

S104：根据式(2)对经过S103替换后的矩阵中的元素进行缩放；

式中，max_x_j表示位于第j行的数据的最大值，min_x_j表示位于第j行的数据的最小值；