数据库参数的优化方法与系统技术方案

本发明专利技术公开了一种数据库参数的优化方法与系统。该方法包括：选取数据库性能参数的多个样本值，对数据库实施典型应用加压操作，获得服务器性能指标参数值作为样本值对应的教师值；通过模糊隶属度函数对每一个样本值以及对应的教师值进行模糊化处理操作，形成多个输入样本；构建模糊神经网络，使用多个输入样本训练模糊神经网络；根据训练后的模糊神经网络对应的调优模型，选择预定数值的数据库的服务器性能指标参数值作为调优模型的输入，计算作为优化结果的数据库性能参数值，以调整数据库的数据库性能参数。通过本发明专利技术提供的技术方案实现了数据库自动优化，避免了现有技术中依靠工程师的经验值，以及人工实施调优带来的繁琐的操作步骤。

【技术实现步骤摘要】
数据库参数的优化方法与系统
本专利技术涉及数据库领域，特别涉及一种数据库参数的优化方法与系统。
技术介绍
随着数据库技术的发展，特别是关系型数据库技术的发展，使得关系型数据库的已应用于国内的政府部门、电信、邮政、公安、金融、保险、能源电力、交通、科教、石化、航空航天、民航等各行各业。企业业务量的加大，企业IT系统承载的负荷也越来越重。由于数据库系统是企业IT系统的关键系统之一，因此，数据库系统性能的好坏影响了企业对外提供服务的质量。为获得好的数据库系统性能，有效的方法之一是进行数据库调优，即对数据库参数进行优化。关系型数据库的调优涉及大量的参数调整，在现有技术中，主要依靠工程师的经验值人工实施调优。首先需要依靠经验丰富的数据库工程师依靠经验，针对数据库的关键参数如数据库缓冲池大小等参数做出调整，然后加应用测试，观察数据库服务器的表现，通过观察结果的好坏，再进行新一轮的调整和测试，直到调优成功或者证明数据库已经无法调优。然而，人工实施数据库调优的方法，调优的结果和数据库工程师专业素质相关，调优的过程经常耗时较长，甚至达不到调优的效果。
技术实现思路
根据本专利技术实施例的一个方面，所要解决的一个技术问题是：提供一种数据库参数的优化方法与系统，提供自动的数据库优化，以避免人工实施数据库优化的操作。本专利技术实施例提供的一种数据库参数的优化方法，所述方法包括：根据数据库性能参数的取值区间，选取所述数据库性能参数的多个样本值；选择所述数据库的服务器性能指标参数，设置数据库性能参数为多个样本值中的每一个样本值，分别对所述数据库实施典型应用加压操作，获得所述服务器性能指标参数的多个值作为所述每一个样本值对应的教师值；确定模糊隶属度函数，通过模糊隶属度函数对所述每一个样本值以及对应的教师值进行模糊化处理操作，使所述每一个样本值以及对应的教师值的数值在0至1之间，形成所述多个输入样本，其中，每一个输入样本值包含一个样本值与一个教师值；根据所述多个输入样本，构建模糊神经网络；利用所述多个输入样本训练所述模糊神经网络；响应于完成训练所述模糊神经网络，保存完成训练后的模糊神经网络对应的调优模型；根据所述调优模型，选择预定数值的数据库性能参数值作为所述调优模型的输入值，计算所述数据库的服务器性能指标参数值，以调整所述数据库的服务器性能指标参数。所述选择预定数值的数据库性能参数值作为所述调优模型的输入值，计算所述数据库的服务器性能指标参数值，以调整所述数据库的服务器性能指标参数，具体包括：选择多个预定增幅的数据库性能参数值作为所述调优模型的输入值，计算多个所述服务器性能指标参数值，从所述多个服务器性能指标参数值选择一个服务器性能指标参数值对应的数据库性能参数值，以调整所述数据库的数据库性能参数值。优选地，所述根据所述多个输入样本，构建模糊神经网络，具体包括：设定输入层神经元节点数n、隐层神经元节点数m以及输出层神经元节点数v；设定所述每一个输入层神经元节点与每一个所述隐层神经元节点之间的第一层权值Wji、pj，其中，j、i为自然数，1≤j≤n，1≤i≤m，以及设定所述每一个所述隐层神经元节点与每一个所述输出层神经元节点之间的第二层权值Ckj、qk，其中，k、j为自然数，1≤k≤m，1≤j≤v；为每一个输入层神经元节点、隐层神经元节点、输出层神经元节点选定激励函数。优选地，利用所述多个输入样本训练所述模糊神经网络，具体包括：将所述多个输入样本作为所述模糊神经网络的输入，使用所述第一层权值、第二层权值，计算以所述多个输入样本包含的样本值为输入值对应的所述模糊神经网络的实际输出值；识别所述实际输出值与所述教师值值之间的误差是否满足预定的误差范围值；响应于所述实际输出值与所述教师值之间的误差不满足预定的误差范围值，根据所述模糊神经网络的修正算法修正所述第一层权值与第二层权值，重新执行将所述多个输入样本作为所述模糊神经网络的输入的操作；相应于所述实际输出值与所述教师值之间的误差满足预定的误差范围值，完成训练所述模糊神经网络。优选地，所述确定模糊隶属度函数，具体包括：通过模糊统计法、德尔菲法、二元对比排序法、综合加权法、指派法中的任意一种方法确定模糊隶属度函数。优选地，所述数据库性能参数包括：数据库缓冲池大小、共享池大小、日志缓存池大小。优选地，所述数据库的服务器性能指标参数包括：所述服务器的CPU使用率，所述服务器的内存使用率。本专利技术实施例提供的一种数据库参数的优化系统，所述系统包括：样本值选取单元，用于根据数据库性能参数的取值区间，选取所述数据库性能参数的多个样本值；教师值获取单元，用于选择所述数据库的服务器性能指标参数，设置数据库性能参数为多个样本值中的每一个样本值，分别对所述数据库实施典型应用加压操作，获得所述服务器性能指标参数的多个值作为所述每一个样本值对应的教师值；模糊化处理单元，用于确定模糊隶属度函数，通过模糊隶属度函数对所述每一个样本值以及对应的教师值进行模糊化处理操作，使所述每一个样本值以及对应的教师值的数值在0至1之间，形成所述多个输入样本，其中，每一个输入样本值包含一个样本值与一个教师值；网络构建单元，用于根据所述多个输入样本，构建模糊神经网络；网络训练单元，用于利用所述多个输入样本训练所述模糊神经网络；调优模型输出单元，用于响应于完成训练所述模糊神经网络，保存完成训练后的模糊神经网络对应的调优模型；优化参数计算单元，用于根据所述调优模型，选择预定数值的数据库性能参数值作为所述调优模型的输入值，计算所述数据库的服务器性能指标参数值，以调整所述数据库的服务器性能指标参数。优选地，所述优化参数计算单元，具体用于根据所述调优模型，选择多个预定增幅的数据库性能参数值作为所述调优模型的输入值，计算多个所述服务器性能指标参数值，从所述多个服务器性能指标参数值选择一个服务器性能指标参数值对应的数据库性能参数值，以调整所述数据库的数据库性能参数值。优选地，所述网络构建单元，具体用于设定输入层神经元节点数n、隐层神经元节点数m以及输出层神经元节点数v；设定所述每一个输入层神经元节点与每一个所述隐层神经元节点之间的第一权值Wji、pj，其中，j、i为自然数，1≤j≤n，1≤i≤m，以及设定所述每一个所述隐层神经元节点与每一个所述输出层神经元节点之间的第二权值Ckj、qk，其中，k、j为自然数，1≤k≤m，1≤j≤v；为每一个输入层神经元节点、隐层神经元节点、输出层神经元节点选定激励函数。优选地，所述网络训练单元，具体用于将所述多个输入样本作为所述模糊神经网络的输入，使用所述第一层权值、第二层权值，前向计算以所述多个输入样本包含的样本值为输入值对应的所述模糊神经网络的实际输出值；识别所述实际输出值与所述教师值之间的误差是否满足预定的误差范围值；响应于所述实际输出值与所述教师值之间的误差不满足预定的误差范围值，根据所述模糊神经网络的修正算法修正所述第一层权值与第二层权值，重新执行将所述多个输入样本作为所述模糊神经网络的输入的操作；响应于所述实际输出值与所述教师值之间的误差满足预定的误差范围值，完成训练所述模糊神经网络。优选地，所述模糊化处理单元，具体用于通过模糊统计法、德尔菲法、二元对比排序法、综合加权法、指派法中的任意一种方法确定模糊隶属度本文档来自技高网...

【技术保护点】
一种数据库参数的优化方法，其特征在于，所述方法包括：根据数据库性能参数的取值区间，选取所述数据库性能参数的多个样本值；选择所述数据库的服务器性能指标参数，设置数据库性能参数为多个样本值中的每一个样本值，分别对所述数据库实施典型应用加压操作，获得所述服务器性能指标参数的多个值作为所述每一个样本值对应的教师值；确定模糊隶属度函数，通过模糊隶属度函数对所述每一个样本值以及对应的教师值进行模糊化处理操作，使所述每一个样本值以及对应的教师值的数值在0至1之间，形成多个输入样本，其中，每一个输入样本值包含一个样本值与一个教师值；根据所述多个输入样本，构建模糊神经网络；利用所述多个输入样本训练所述模糊神经网络；响应于完成训练所述模糊神经网络，保存完成训练后的模糊神经网络对应的调优模型；根据所述调优模型，选择预定数值的数据库性能参数值作为所述调优模型的输入值，计算所述数据库的服务器性能指标参数值，以调整所述数据库的服务器性能指标参数。

【技术特征摘要】
1.一种数据库参数的优化方法，其特征在于，所述方法包括：根据数据库性能参数的取值区间，选取所述数据库性能参数的多个样本值；选择所述数据库的服务器性能指标参数，设置数据库性能参数为多个样本值中的每一个样本值，分别对所述数据库实施典型应用加压操作，获得所述服务器性能指标参数的多个值作为所述每一个样本值对应的教师值；确定模糊隶属度函数，通过模糊隶属度函数对所述每一个样本值以及对应的教师值进行模糊化处理操作，使所述每一个样本值以及对应的教师值的数值在0至1之间，形成多个输入样本，其中，每一个输入样本值包含一个样本值与一个教师值；根据所述多个输入样本，构建模糊神经网络；利用所述多个输入样本训练所述模糊神经网络；响应于完成训练所述模糊神经网络，保存完成训练后的模糊神经网络对应的调优模型；根据所述调优模型，选择预定数值的数据库性能参数值作为所述调优模型的输入值，计算所述数据库的服务器性能指标参数值，以调整所述数据库的服务器性能指标参数。2.根据权利要求1所述的方法，其特征在于，所述选择预定数值的数据库性能参数值作为所述调优模型的输入值，计算所述数据库的服务器性能指标参数值，以调整所述数据库的服务器性能指标参数，具体包括：选择多个预定增幅的数据库性能参数值作为所述调优模型的输入值，计算多个所述服务器性能指标参数值，从所述多个服务器性能指标参数值选择一个服务器性能指标参数值对应的数据库性能参数值，以调整所述数据库的数据库性能参数值。3.根据权利要求2所述的方法，其特征在于，所述根据所述多个输入样本，构建模糊神经网络，具体包括：设定输入层神经元节点数n、隐层神经元节点数m以及输出层神经元节点数v；设定所述每一个输入层神经元节点与每一个所述隐层神经元节点之间的第一层权值Wji、pj，其中，j、i为自然数，1≤j≤n，1≤i≤m，以及设定所述每一个所述隐层神经元节点与每一个所述输出层神经元节点之间的第二层权值Ckj、qk，其中，k、j为自然数，1≤k≤m，1≤j≤v；为每一个输入层神经元节点、隐层神经元节点、输出层神经元节点选定激励函数。4.根据权利要求3所述的方法，其特征在于，利用所述多个输入样本训练所述模糊神经网络，具体包括：将所述多个输入样本作为所述模糊神经网络的输入，使用所述第一层权值、第二层权值，计算以所述多个输入样本包含的样本值为输入值对应的所述模糊神经网络的实际输出值；识别所述实际输出值与所述教师值之间的误差是否满足预定的误差范围值；响应于所述实际输出值与所述教师值之间的误差不满足预定的误差范围值，根据所述模糊神经网络的修正算法修正所述第一层权值与第二层权值，重新执行将所述多个输入样本作为所述模糊神经网络的输入的操作；响应于所述实际输出值与所述教师值之间的误差满足预定的误差范围值，完成训练所述模糊神经网络。5.根据权利要求1至4任意一项所述的方法，其特征在于，所述确定模糊隶属度函数，具体包括：通过模糊统计法、德尔菲法、二元对比排序法、综合加权法、指派法中的任意一种方法确定模糊隶属度函数。6.根据权利要求5所述的方法，其特征在于，所述数据库性能参数包括：数据库缓冲池大小、共享池大小、日志缓存池大小。7.根据权利要求6所述的方法，其特征在于，所述数据库的服务器性能指标参数包括：所述服务器的CPU使用率，所述服务器的内存使用率。8...

【专利技术属性】
技术研发人员：朱源，何忠江，邓丽华，薛尽飞，王丹，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：北京;11