[发明专利]一种基于知识库的软件适配优化方法

权利要求书

1.一种基于知识库的软件适配优化方法，其特征在于，包括：

S101，获取性能瓶颈报告和性能热点报告；

S102，根据所述性能瓶颈报告和所述性能热点报告，确定性能瓶颈类型和性能瓶颈对象范围，通过适配优化靶点识别算法识别与所述性能瓶颈类型和所述性能瓶颈对象范围匹配的适配靶点列表，并且根据靶点相关性程度对所述适配靶点列表中的适配靶点进行排序；

S103，从适配优化知识库中获取与所述性能瓶颈类型和所述适配靶点列表中每个适配靶点匹配的优化规则集，按照规则优化效果对所述优化规则集中的优化规则进行排序；

S104，启动基于规则的适配优化方案生成引擎，根据排序后的所述适配靶点列表和所述优化规则集生成适配方案候选集；

S105，利用启发式适配方案确认算法，向适配人员进行启发式方案确认，从所述适配方案候选集中选择出目标适配方案；其中，所述利用启发式适配方案确认算法，向适配人员进行启发式方案确认，从所述适配方案候选集中选择出目标适配方案，包括：启发式调优引擎基于所述适配方案候选集，按照所述适配方案候选集中每个适配方案对多种负载的性能参数作为参考，生成调优选项和调优推荐值的参照适配方案；通过机器学习方式对所述参照适配方案进行学习，然后对所述适配方案候选集中每个适配方案进行判定，向适配人员进行启发式方案确认，从所述适配方案候选集中选择出目标适配方案；其中，通过机器学习方式对所述参照适配方案进行学习，然后对所述适配方案候选集中每个适配方案进行判定，包括：利用已有的优化方案的负载、性能参数、调优选项和调优值进行编码，然后利用机器学习方法学习生成机器学习模型，对所述适配方案候选集中每个适配方案提交到机器学习模型中进行判定；

S106，将所述目标适配方案置于实际系统中进行验证，获取验证方案效果；

S107，如果所述验证方案效果达到调优目标，则将所述目标适配方案作为最终方案，同时加入到优化方案库中，如果所述验证方案效果未达到所述调优目标，将重复步骤S104到步骤S106，直至所述验证方案效果达到调优目标，或者无法再生成所述适配方案候选集；

其中，所述适配优化知识库包括性能参数库、性能指标库、性能调优靶点库、热点判定规则库、瓶颈判定规则库、参考适配方案库和调优规则库中的一种或者多种；

其中，所述性能参数库包括各种关键软硬件的性能参数；所述性能参数包括：处理器主频、缓存大小、缓存行大小、基准性能数值和上下文切换时间中一种或者多种；

所述性能指标库包括各种类型对象被采集的性能指标类型、性能采集方法、以及性能采集工具和参数；

所述性能调优靶点库包括各种不同的软件和硬件对象的调优参量、数值范围、以及调优方式；

所述热点判定规则库和瓶颈判定规则库包括确定各种类型热点和性能瓶颈判定的阈值，以及定级方法；

所述参考适配方案库包括特定的负载特征进行优化后的方案库，包括各种调优靶点的配置，以及调优靶点在不同负载情况下的关键性能参数值；

所述调优规则库包括不同的性能瓶颈类型需要调整的靶点、调整方式和调整预期值。

2.根据权利要求1所述的基于知识库的软件适配优化方法，其特征在于，所述根据所述性能瓶颈报告和所述性能热点报告，确定性能瓶颈类型和性能瓶颈对象范围，通过适配优化靶点识别算法识别与所述性能瓶颈类型和所述性能瓶颈对象范围匹配的适配靶点列表，并且根据靶点相关性程度对所述适配靶点列表中的适配靶点进行排序，包括：

根据所述性能瓶颈报告和所述性能热点报告，确定性能瓶颈类型和性能瓶颈对象范围，根据所述性能瓶颈类型和所述性能瓶颈对象范围选择关联的资源、主体作为适配对象；

获取所述适配对象的优化靶点集合，从所述优化靶点集合选择符合瓶颈特征的优化靶点生成适配靶点列表，并且根据靶点相关性程度对所述适配靶点列表中的适配靶点进行排序。

3.根据权利要求1所述的基于知识库的软件适配优化方法，其特征在于，所述从适配优化知识库中获取与所述性能瓶颈类型和所述适配靶点列表中每个适配靶点匹配的优化规则集，按照规则优化效果对所述优化规则集中的优化规则进行排序，包括：

获取调优目标；

根据所述调优目标、所述性能瓶颈类型和所述适配靶点列表从所述适配优化知识库的性能调优靶点库中获取优化规则集，按照规则优化效果对所述优化规则集中的优化规则进行排序。