本发明涉及数据库运维与人工智能领域,更具体地说,它涉及一种基于强化学习模型的关系型数据库参数优化方法。
背景技术:
1、数据库配置中涉及数百个可调的系统参数,控制着数据库组件的多方面表现,参数优化技术通过选择合适的参数组合,提高数据库对当前场景的适应性,比如通过为各类缓存区分配合适的内存空间,尽可能减少磁盘读写次数;合适的参数可以提升数据库的吞吐量,降低数据库的延迟。
2、在传统生产场景下,数据库参数的调整依赖于数据库管理员,数据库管理员先通过人工反复实验得到统计数据,再根据经验决定配置方案,这里存在两个问题,首先,数据库一般具有上百项可调整的参数,在有限资源下几乎不可能遍历所有参数的组合来获得最优解,此外,由于为了测试每个参数组合是否有效,数据库管理员往往需要数周的时间来最终得到合适的数据库参数,这导致了大量的人力、资源开销,而且难以与动态变化的实际工作场景同步。
技术实现思路
1、本发明提供一种基于强化学习模型的关系型数据库参数优化方法,解决相关技术中上述的技术问题。
2、根据本发明的一个方面,提供了一种基于强化学习模型的关系型数据库参数优化方法,包括如下步骤:
3、步骤s100:基于强化学习模型,构建一个智能体;
4、步骤s200:将数据库映射为一个环境,构建环境代理;
5、步骤s300:构建危险参数检测模型,对智能体输出的一组数据库参数进行检测;
6、步骤s400:构建工作负载预测模型,根据数据库历史工作负载,预测出短时间内工作负载的特征;
7、步骤s500:构建参数评估模型,输入为数据库状态、未来工作负载特征和智能体输出的数据库参数,输出为评估值和评估可信度;
8、步骤s600:将智能体输出的数据库参数部署到数据库上,进行压力测试;
9、步骤s700:构建目标函数;
10、步骤s800:智能体不断更新策略以最大化目标函数;
11、步骤s900:重复步骤s100到步骤s800,直至所述智能体收敛。
12、进一步地:步骤s100中,智能体接收的输入为数据库运行时状态和未来工作负载状态,输出一组数据库参数。
13、进一步地:步骤s200中,所述智能体通过环境代理与环境交互。
14、进一步地:步骤s400中,工作负载预测模型输出结果为一个四维向量<s,u,d,a>分别代表select,update,delete,add类型的sql语句在未来短时间内出现的次数。
15、进一步地:步骤s500还包括如下步骤:
16、步骤s510:评估值为标量,其数值越高,表示数据库部署该组参数后,性能越高;
17、步骤s510:评估可信度为布尔值,true代表该次评估可信,false代表该次评估不可信,若评估可信度为false,执行步骤s600,否则执行步骤s700。
18、进一步地:步骤s500中,参数评估模型输入为一组参数,模型将一组参数映射到高维坐标系,一组参数对应坐标系中的一个点,经过计算后,参数评估模型同时输出评估值和可信度。
19、进一步地:步骤s600中,压力测试用于获取数据库的吞吐量和延迟,根据数据库的吞吐量和延迟对参数进行评估,输出评估值。
20、进一步地步骤s700中,目标函数的输出与奖励值和参数的熵呈正相关。
21、进一步地:数据库为关系型数据库,优化目标为单个数据库实例。
22、本发明的有益效果在于:基于改进的强化学习模型来自动生成高质量的参数,能显著提升数据库性能有较为显著的提升;大大减少人力及时间成本。
1.一种基于强化学习模型的关系型数据库参数优化方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于强化学习模型的关系型数据库参数优化方法,其特征在于,所述步骤s100中,智能体接收的输入为数据库运行时状态和未来工作负载状态,输出一组数据库参数。
3.根据权利要求1所述的一种基于强化学习模型的关系型数据库参数优化方法,其特征在于,所述步骤s200中,所述智能体通过环境代理与环境交互。
4.根据权利要求1所述的一种基于强化学习模型的关系型数据库参数优化方法,其特征在于,所述步骤s400中,工作负载预测模型输出结果为一个四维向量<s,u,d,a>分别代表select,update,delete,add类型的sql语句在未来短时间内出现的次数。
5.根据权利要求1所述的一种基于强化学习模型的关系型数据库参数优化方法,其特征在于,所述步骤s500还包括如下步骤:
6.根据权利要求1所述的一种基于强化学习模型的关系型数据库参数优化方法,其特征在于,所述步骤s500中,参数评估模型输入为一组参数,模型将一组参数映射到高维坐标系,一组参数对应坐标系中的一个点,经过计算后,参数评估模型同时输出评估值和可信度。
7.根据权利要求1所述的一种基于强化学习模型的关系型数据库参数优化方法,其特征在于,所述步骤s600中,压力测试用于获取数据库的吞吐量和延迟,根据数据库的吞吐量和延迟对参数进行评估,输出评估值。
8.根据权利要求1所述的一种基于强化学习模型的关系型数据库参数优化方法,其特征在于,所述步骤s700中,目标函数的输出与奖励值和参数的熵呈正相关。
9.根据权利要求1所述的一种基于强化学习模型的关系型数据库参数优化方法,其特征在于,所述数据库为关系型数据库,优化目标为单个数据库实例。