[发明专利]一种面向云计算环境的数据库配置优化方法

说明书

发明涉及一种面向云计算环境的数据库配置优化方法，所述方法包括：根据各类型数据访问操作的数量刻画数据库的负载特征，使用Markov链模型根据所述负载特征预测下个时刻数据访问操作的工作负载；根据历史训练数据构建在预设负载条件下数据库集群的性能模型，通过所述性能模型预测服务器集群在预设负载下的性能；将需要重新配置的服务器分组，根据所述服务器集群的吞吐量以及成本条件制定配置计划。达到了可以在可承受虚拟机租用成本的前提下，最大限度提高集群数据库的性能；同时，通过采用同构节点分组的方式确定集群数据库中需要重新配置的节点子集，将相同配置应用于相应的服务器分组，有效减少了搜索空间，提升了配置搜索效率。

技术领域

本发明涉及一种面向云计算环境的数据库配置优化方法，属于软件技术领域。

背景技术

软件应用在云计算环境下进行部署，降低了服务提供商对运行基础架构的投资成本，并具有许多运营优势。NoSQL数据库是最典型的基础软件，突破了应用程序对传统数据库访问方式的限制。流行的NoSQL数据库，如Cassandra、Redis和MongoDB，广泛用于网络服务、大数据服务和社交媒体平台。由于成本约束的原因，面向云计算环境的NoSQL数据库性能调优具有挑战性。首先，NoSQL数据库有许多影响性能的配置参数，虚拟机配置和数据库应用配置的搜索空间巨大。云服务提供了许多虚拟机，其中的处理器类型、内核数量、内存大小、存储、网络带宽等都有所不同，且均会影响虚拟机租用成本。在云计算环境下，选择正确的虚拟机类型和大小对于实现最佳性能至关重要。其次，NoSQL层和虚拟机层配置之间具有依赖性，需要进行联合优化。过度配置资源会不必要地增加运营及运维成本，而过大规模的虚拟机并不总能提供更好的性能。第三，云应用实例的工作负载随着时间而变化且不可预测，需要重新配置。某个阶段工作负载的最佳数据库配置对于另一个阶段工作负载可能会变得非常差。在运行时更改NoSQL数据库的配置，使用持久存储有状态的数据库会对性能产生影响，重新配置服务器会导致停机。因此，对于快速变化的工作负载，频繁重新配置整个集群可能会严重降低性能，因此选择服务器配置的子集会最大限度降低对性能造成的不良影响，从而实现全局最佳性能。

现有方案中只关注NoSQL配置调整，不考虑云虚拟机配置，也不考虑虚拟机和NoSQL配置之间的依赖关系。将NoSQL配置空间和虚拟机配置空间相结合会导致搜索空间大小的大幅增加，并难以提供高效的配置调整。

发明内容

本发明的目的：在云计算环境下需要同时调整虚拟机和数据库配置参数的搜索空间巨大，并且负载变化动态变化会对优化数据库配置带来不确定性。本发明同时考虑了虚拟机和数据库的配置参数，并通过负载预测和性能模型预测负载变化动态调整配置参数。

本发明的原理：根据各类型数据访问操作的数量刻画数据库的负载特征，使用Markov链模型预测下个时刻数据访问操作的工作负载状况，根据历史训练数据构建在预设负载条件下数据库集群的性能模型，预测服务器集群在预设负载下的性能表现，将需要重新配置的服务器分组，制定配置计划以达到在可接受成本约束的条件下，最大化数据库集群的吞吐量。

本发明技术解决方案：一种面向云计算环境的数据库配置优化方法，其特点在于实现步骤如下：

根据各类型数据访问操作的数量刻画数据库的负载特征，使用Markov链模型根据所述负载特征预测下个时刻数据访问操作的工作负载；

根据历史训练数据构建在预设负载条件下数据库集群的性能模型，通过所述性能模型预测服务器集群在预设负载下的性能；

将需要重新配置的服务器分组，根据所述服务器集群的吞吐量以及成本条件制定配置计划。

可选的，所述根据各类型数据访问操作的数量刻画数据库的负载特征，使用Markov链模型根据所述负载特征预测下个时刻数据访问操作的负载状况，包括：