基于机器学习的JVM调优方法、装置和电子装置制造方法及图纸

本申请涉及一种基于机器学习的JVM调优方法、装置和电子装置，其中，该JVM调优方法包括：获取终端上应用程序的第一性能数据的诊断结果，根据该第一性能数据和该诊断结果生成训练数据；其中，该训练数据包括训练集和验证集；将该训练集输入神经网络，并获取智能诊断模型，进而根据该智能诊断模型获取调优引擎；在该调优引擎获取到第二性能数据的情况下，根据该智能诊断模型生成该第二性能数据的性能问题，以及与该第二性能问题相对应的解决方案；根据该第二性能问题和该解决方案，生成调优结果；通过本申请，解决了JVM调优的效率低的问题，实现了高效、准确的JVM调优。

【技术实现步骤摘要】
基于机器学习的JVM调优方法、装置和电子装置
本申请涉及计算机
，特别是涉及基于机器学习的JVM调优方法、装置和电子装置。
技术介绍
Java是目前最流行的程序设计语言之一，具有简单性、面向对象、分布式、健壮性、安全性、平台独立与可移植性、多线程、动态性等特点，这些特性使得Java语言广泛应用于企业级应用和移动终端；Java虚拟机(JavaVirtualMachine，简称为JVM)是运行所有Java程序的抽象计算机，是Java语言的运行环境；通常情况下，为了让一项Java语言开发的服务实现更快速更平稳的运行，开发人员需要按照程序的特点调整JVM参数，如内存分配和垃圾对象回收的处理，如果能够很好的优化JVM参数，将会获得很大的性能提升；在相关技术中，由于JVM有几百个参数，每个参数对JVM的运行影响各不相同，参数之间还会相互作用，因此对于JVM的调优需要技术人员具有很高的专业知识以及丰富的生产环境调优经验；同时，相关技术中JVM调优，通常通过技术人员根据服务的运行情况做一段时间的观察，并依据JVM各参数的意义，试探性的给出本文档来自技高网...

【技术保护点】
1.一种基于机器学习的JVM调优方法，其特征在于，所述方法包括：/n获取终端上应用程序的第一性能数据的诊断结果，根据所述第一性能数据和所述诊断结果生成训练数据；其中，所述训练数据包括训练集和验证集；/n将所述训练集输入神经网络，以获取智能诊断模型，进而基于所述智能诊断模型获取调优引擎；/n在所述调优引擎获取到第二性能数据后，根据所述智能诊断模型生成所述第二性能数据的性能问题，以及与所述第二性能问题相对应的解决方案；/n根据所述第二性能问题和所述解决方案，生成调优结果。/n

【技术特征摘要】
1.一种基于机器学习的JVM调优方法，其特征在于，所述方法包括：
获取终端上应用程序的第一性能数据的诊断结果，根据所述第一性能数据和所述诊断结果生成训练数据；其中，所述训练数据包括训练集和验证集；
将所述训练集输入神经网络，以获取智能诊断模型，进而基于所述智能诊断模型获取调优引擎；
在所述调优引擎获取到第二性能数据后，根据所述智能诊断模型生成所述第二性能数据的性能问题，以及与所述第二性能问题相对应的解决方案；
根据所述第二性能问题和所述解决方案，生成调优结果。


2.根据权利要求1所述的JVM调优方法，其特征在于，所述根据所述第二性能问题和所述解决方案，生成调优结果包括：
基于所述调优引擎，获取所述解决方案中的可自动修复的第一优化方案；
在所述应用程序和所述调优引擎部署于同一服务器的情况下，通过配置下发模块，完成所述第一优化方案的JVM调优；或者，
在所述应用程序和所述调优引擎部署于不同服务器的情况下，通过配置推送模块，将所述第一优化方案推送至与所述性能问题相匹配的具体应用，进而生成所述调优结果；
基于所述调优引擎，获取所述解决方案中无法自动修复的第二优化方案，并将所述第二优化方案发送至告警模块，进而生成调优结果。


3.根据权利要求2所述的JVM调优方法，其特征在于，所述根据所述第二性能问题和所述解决方案，生成调优结果之后，所述方法还包括：
将所述调优引擎的应用优化历史发送至应用性能处置监控平台；其中，所述应用性能处置监控平台提供针对所述第一优化方案的一键还原功能。


4.根据权利要求1所述的JVM调优方法，其特征在于，所述获取智能诊断模型之后，所述在所述调优引擎获取到所述第二性能数据的情况下，根据所述智能诊断模型生成所述性能数据的性能问题之前，所述方法还包括：
根据所述验证集获取交叉验证结果；基于超参数搜索获取所述智能诊断模型的最优参数组合；在每一次训练遍历结束的情况下，获取所述验证集的精确度；其中，所述精确度用于指示停止训练所述智能诊断模型；
根据所述交叉验证结果、所述最优参数组合和所述精确度，获取调优后的智能诊断模型，...

【专利技术属性】
技术研发人员：周昌剑，范渊，
申请(专利权)人：杭州安恒信息技术股份有限公司，
类型：发明
国别省市：浙江;33