[发明专利]面向负载感知的多模数据库ArangoDB参数调优的方法

权利要求书

1.一种面向负载感知的多模数据库ArangoDB参数调优的方法，其特征在于，包括，基准测评工具MMDBench和参数调优框架ADBTune；其中，ADBTune包含配置参数排序、负载感知和参数调优；具体包括如下步骤：

(1)构建基准测评工具MMDBench，用来对执行的工作负载进行性能测评；

(2)构建配置参数选择模块；包括配置参数排序，配置参数排序用来对数据库参数进行排序，来筛选重要参数；

(3)构建负载感知模块，用来感知工作负载变化并搜索历史类似负载的经验；

(4)基于TD3算法构建调优模型。

2.根据权利要求1所述的面向负载感知的多模数据库ArangoDB参数调优的方法，其特征在于，所述步骤(1)中，基准测评工具MMDBench包括负载生成器和度量指标收集器；所述负载生成器用来生成多模数据库的不同的数据请求分布方式和操作组成的工作负载；数据请求分布方式包括Zipfian、Uniform和Latest；所述度量指标收集器主要是收集执行负载中的性能指标。

3.根据权利要求2所述的面向负载感知的多模数据库ArangoDB参数调优的方法，其特征在于，所述工作负载生成器提供了多模数据库操作、数据请求分布方式、线程数和执行时间4个参数来生成能够模拟实际场景下的工作负载；其中，多模数据库操作包含文档、键值和图三种数据模型的查询、增加、更新和删除操作，同时还提供聚合、连接和读写不同比例混合的操作，这些操作不光涵盖单模型，还包含多模数据的跨模型操作；线程数由用户指定，使基准测评工具能够生成多个线程来执行工作负载；执行时间是工作负载执行压力测试的时间，如果超出这个时间，基准测评工具MMDBench会切断所有线程的执行操作；

具体生成工作负载步骤如下：首先，用户指定上述提到的多模数据库的操作、数据请求分布方式、线程数和执行时间这四个参数，然后，工作负载生成器根据这四个参数生成特定的工作负载，最后，执行工作负载，最终结果由度量指标收集器统计。

4.根据权利要求2所述的面向负载感知的多模数据库ArangoDB参数调优的方法，其特征在于，所述度量指标收集器是收集执行负载中的性能指标，即在执行工作负载中，收集器记录执行工作负载的次数和每次的延迟，即在执行工作负载中，收集器记录执行工作负载的次数和每次的延迟，然后由次数和执行时间参数计算得出吞吐量，延迟取所有延迟中下标为99％分位的值。

5.根据权利要求2所述的面向负载感知的多模数据库ArangoDB参数调优的方法，其特征在于，所述步骤(2)中，构建配置参数选择模块中，利用随机森林回归方法来构建特征分析模型，通过对估计计算变量的权重进行排序；模型经过训练完成后会得到一个特征重要性参数，根据特征重要性参数对配置参数进行排序，对于结果影响越大，该值就越大；参数调优框架ADBTune保存了ArangoDB通过随机森林回归方法对不同调优指标按照特征重要性排序后配置参数列表。

6.根据权利要求5所述的面向负载感知的多模数据库ArangoDB参数调优的方法，其特征在于，所述步骤(3)中，负载感知模块用来感知工作负载变化并搜索历史类似负载的经验，对工作负载进行细粒度的分类；具体来说，把数据库内部状态变量向量化，进行Z-score标准化，使所述状态变量处于同一数量级上后，再利用主成分析方法进行降维处理；最后，使用K-means感知负载变化，若发生变化则利用皮尔森相关系数计算出新负载与历史负载的相似度，将经过调优的相似度最高的工作负载的预训练模型迁移到当前调优任务的模型中，然后对当前调优模型进行微调。