【技术实现步骤摘要】
数据库管理方法、系统、计算机装置及可读存储介质
本专利技术涉及数据库领域,尤其涉及一种数据库管理方法、系统、计算机装置及计算机可读存储介质。
技术介绍
数据库系统是上层应用普遍使用的数据管理系统,在数据库系统中查询操作所占的比例最大。数据库中的一些数据库表每天可能会大量插入数据(比如数据采集表),数据库表刚上线时由于其记录量不大,其查询响应时间很快,随着数据库表数据的增加,查询该数据库表的响应时间变得越来越长,当数据库表数据量达到一定的量量级(如百万/千万级)时,查询该数据库表会变得越来越慢,影响用户使用体验。
技术实现思路
鉴于上述,本专利技术提供一种数据库管理方法、系统、计算机装置及计算机可读存储介质,其可准确发现数据库表的数据量过大的问题,以便及时采取相应的管控措施。本申请一实施方式提供一种数据库管理方法,所述方法包括:为目标数据库表建立监控任务,并配置所述监控任务的运行频次及启动时间点,其中所述监控任务包括至少一条SQL查询语句;根据所述监控任务的运行频次及启动时间点在所述目标数据库表中运行所述监控任务;获取所述监控任务在所述目标数据库表当前数据量下执行完一次的总响应时间及所述监控任务中每一所述SQL查询语句的响应时间;判断每一所述SQL查询语句的响应时间是否大于对应预设执行时间,及判断所述监控任务的总响应时间是否大于预设总执行时间,其中每一所述SQL查询语句一一对应设置有一预设执行时间;及根据所述判断结果输出执行时间超时的SQL查询语句清单,并推送与所述判断结果匹配的管控建议。优选地,所述监控任务为按照预设查询语句关键字收集得到的SQL脚本,所述SQ ...
【技术保护点】
1.一种数据库管理方法,其特征在于,所述方法包括:为目标数据库表建立监控任务,并配置所述监控任务的运行频次及启动时间点,其中所述监控任务包括至少一条SQL查询语句;根据所述监控任务的运行频次及启动时间点在所述目标数据库表中运行所述监控任务;获取所述监控任务在所述目标数据库表当前数据量下执行完一次的总响应时间及所述监控任务中每一所述SQL查询语句的响应时间;判断每一所述SQL查询语句的响应时间是否大于对应预设执行时间,及判断所述监控任务的总响应时间是否大于预设总执行时间,其中每一所述SQL查询语句一一对应设置有一预设执行时间;及根据所述判断结果输出执行时间超时的SQL查询语句清单,并推送与所述判断结果匹配的管控建议。
【技术特征摘要】
1.一种数据库管理方法,其特征在于,所述方法包括:为目标数据库表建立监控任务,并配置所述监控任务的运行频次及启动时间点,其中所述监控任务包括至少一条SQL查询语句;根据所述监控任务的运行频次及启动时间点在所述目标数据库表中运行所述监控任务;获取所述监控任务在所述目标数据库表当前数据量下执行完一次的总响应时间及所述监控任务中每一所述SQL查询语句的响应时间;判断每一所述SQL查询语句的响应时间是否大于对应预设执行时间,及判断所述监控任务的总响应时间是否大于预设总执行时间,其中每一所述SQL查询语句一一对应设置有一预设执行时间;及根据所述判断结果输出执行时间超时的SQL查询语句清单,并推送与所述判断结果匹配的管控建议。2.如权利要求1所述的数据库管理方法,其特征在于,所述监控任务为按照预设查询语句关键字收集得到的SQL脚本,所述SQL脚本包括至少一条SQL查询语句。3.如权利要求1或2所述的数据库管理方法,其特征在于,所述获取所述监控任务在所述目标数据库表中执行完一次的总响应时间及所述监控任务中每一所述SQL查询语句的响应时间的步骤包括:获取所述目标数据库表的历史数据量,及在所述历史数据量下所述监控任务执行完一次的总响应时间及每一所述SQL查询语句的响应时间;建立一神经网络模型,并将所述历史数据量下所述监控任务执行完一次的总响应时间及每一所述SQL查询语句的响应时间作为训练样本数据;利用所述训练样本数据对所述神经网络模型进行训练,得到一响应时间预测模型;及输入所述目标数据库表的当前数据量至所述响应时间预测模型,得到所述目标数据库表在当前数据量下的总响应时间及每一所述SQL查询语句的响应时间。4.如权利要求3所述的数据库管理方法,其特征在于,所述利用所述训练样本数据对所述神经网络模型进行训练,得到一响应时间预测模型的步骤包括:将所述训练样本数据划分为训练集及验证集;利用所述训练集对所述神经网络模型进行训练;利用所述验证集对训练后的神经网络模型进行验证,并根据每一验证结果统计得到一模型预测准确率;判断所述模型预测准确率是否小于预设阈值;及当所述模型预测准确率不小于所述预设阈值时,将训练完成的所述神经网络模型作为所述响应时间预测模型。5.如权利要求4所述的数据库管理方法,其特征在于,所述判断所述模型预测准确率是否小于预设阈值的步骤之后还包括:当所述模型预测准确率小于所述预设阈值时,调整所述神经网络模型的参数,并利用所述训练集重新对调整后的神经网络模型进行训练;利用所述验证集对重新训练的神经网络模型进行验证,并根据每一验证结果重新统计得...
【专利技术属性】
技术研发人员:葛舒婷,
申请(专利权)人:深圳壹账通智能科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。