技术特征：
技术总结
本发明提供了一种基于深度学习的大数据系统配置参数调优的方法及系统，其中方法包括：神经网络训练步骤，初步构建深度神经网络，以至少一个映射规约参数作为输入参数，以待预测出最优配置参数作为输出参数，以大数据系统的历史数据作为训练样本集；再以映射规约时间作为该深度神经网络的衡量标准，基于反向传播思想的参数学习规则对每层神经元的权值进行调整，直至映射规约时间满足时间成本要求；配置参数预测步骤，设定至少一个映射规约参数的初始值，并读取当前测试数据，输入到经由神经网络训练步骤得到的深度神经网络中，得到配置参数。本发明通过深度神经网络对映射规约框架中的配置参数进行调优，避免了人工调节，且预测的参数应用效果好。
技术研发人员：王宏志;王艺蒙;赵志强;孙旭冉
受保护的技术使用者：哈工大大数据产业有限公司
技术研发日：2017.05.22
技术公布日：2017.10.03