数据库配置参数调整方法、设备及存储介质技术

本申请实施例涉及数据库配置参数调整方法、设备及存储介质。本申请实施例包括获取来自数据库服务器的数据库状态混合表征参数；将所述数据库状态混合表征参数输入到深度强化学习模型中生成目标数据库配置参数；将所述目标数据库配置参数发送至数据库服务器。本申请实施例能够利用深度强化学习模型将来自数据库服务器的数据库状态混合表征参数进行处理后生成数据库配置参数，并将生成的数据库配置参数发送到数据库服务器进行配置，从而克服了数据库配置自动化程度低、速度慢、效率低的问题，有效提高了数据库配置的自动化程度、速度和效率。和效率。和效率。

【技术实现步骤摘要】
数据库配置参数调整方法、设备及存储介质


[0001]本申请实施例涉及但不限于数据库
，尤其涉及一种数据库配置参数调整方法、设备及存储介质。

技术介绍

[0002]数据库是长期储存在计算机内、有组织的、可共享的数据集合。随着科学技术的发展，用于用户信息连接的数据量急剧增长，数据库作为信息技术存储服务的基础支撑，其应用将更加广泛，数据库的广泛应用随之而来的是数据库的优化问题。
[0003]目前，大规模数据库的优化一般依赖于数据库管理员，但是数据库的差异化配置对于数据库管理员而言是一个繁杂、重复、耗时费力的挑战，而经验不同的数据库管理员对数据库的配置参数质量也大相径庭，从而使数据库配置参数的调整存在自动化程度低、速度慢、效率低的问题。

技术实现思路

[0004]本申请实施例提供了数据库配置参数调整方法、设备及存储介质，能够快速、高效率地对数据库配置参数进行调整，以便使数据库配置参数得到优化。
[0005]第一方面，本申请实施例提供了一种数据库配置参数调整方法，应用于数据库调优模块，包括：获取来自数据库服务器的数据库状态混合表征参数；将所述数据库状态混合表征参数输入到深度强化学习模型中生成目标数据库配置参数；将所述目标数据库配置参数发送至数据库服务器。
[0006]第二方面，本申请实施例提供了一种数据库配置参数调整方法，应用于数据库服务器，包括：发送数据库状态混合表征参数给数据库调优模块，以使数据库调优模块执行如第一方面所述的方法；接收来自所述数据库调优模块发送的目标数据库配置参数；根据所述数据库配置参数对数据库服务器进行参数配置。
[0007]第三方面，本申请实施例提供了一种电子设备，包括：至少一个处理器，以及，
[0008]与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述指令时实现如第一方面所述的方法或如第二方面所述的方法。
[0009]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行第一方面所述的方法或第二方面所述的方法。
[0010]本申请实施例包括：获取来自数据库服务器的数据库状态混合表征参数；将所述数据库状态混合表征参数输入到深度强化学习模型中生成目标数据库配置参数；将所述目标数据库配置参数发送至数据库服务器。本申请实施例能够利用深度强化学习模型将获取到的数据库状态混合表征参数进行处理后生成目标数据库配置参数，并将生成的数据库配置参数发送到数据库服务器进行配置，从而克服了数据库配置自动化程度低、速度慢、效率
低的问题，有效提高了数据库配置的自动化程度、速度和效率。
[0011]本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
[0012]附图用来提供对本申请技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
[0013]图1是本专利技术实施例提供的数据库配置参数调整方法的流程图；
[0014]图2是本申请实施例提供的数据库配置参数调整示意图；
[0015]图3是本专利技术另一实施例提供的数据库配置参数调整方法的流程图；
[0016]图4是本申请实施例提供的数据库配置参数调整中混合表征模块示意图；
[0017]图5是本申请另一实施例提供的数据库配置参数调整模块示意图；
[0018]图6是本申请另一实施例提供的数据库配置参数调整模块中奖励函数模块示意图；
[0019]图7是本专利技术实施例提供的数据库配置参数自调优模块示意图；
[0020]图8是本专利技术另一实施例提供的数据库配置参数调整方法的流程图；
[0021]图9是本专利技术另一实施例提供的数据库配置参数自调优原理流程图；
[0022]图10是本专利技术另一实施例提供的数据库配置参数调整方法的流程图；
[0023]图11是本专利技术另一实施例提供的数据库配置参数调整方法的流程图；
[0024]图12是本专利技术实施例提供的数据库配置参数调整方法应用场景图；
[0025]图13(a)、13(b)是本专利技术另一实施例提供的数据库配置参数调整方法整体流程图；
[0026]图14是本专利技术另一实施例提供的数据库配置参数调整方法应用场景图；
[0027]图15是本专利技术一实施例提供的数据库配置参数调整电子设备示意图。
具体实施方式
[0028]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
[0029]需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0030]数据库是长期储存在计算机内、有组织的、可共享的数据集合。随着科学技术的发展，用于用户信息连接的数据量急剧增长，数据库作为信息技术存储服务的基础支撑，其应用将更加广泛，数据库的广泛应用随之而来的是数据库的优化问题。
[0031]目前，大规模数据库的优化一般依赖于数据库管理员，但是数据库的差异化配置
对于数据库管理员而言是一个繁杂、重复、耗时费力的挑战，而经验不同的数据库管理员对数据库的配置参数质量也大相径庭，从而使数据库配置参数的调整存在自动化程度低、速度慢、效率低的情况。
[0032]基于此，本申请实施例提出了一种数据库配置参数调整方法、设备及存储介质，本申请实施例能够利用深度强化学习模型将获取到的数据库状态混合表征参数进行处理后生成目标数据库配置参数，并将生成的数据库配置参数发送到数据库服务器进行配置，从而克服了数据库配置自动化程度低、速度慢、效率低的问题，有效提高了数据库配置的自动化程度、速度和效率。
[0033]需要说明的是，下列多种实施例中，电子设备可以是平板电脑、桌面型、膝上型、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本，以及个人数字助理(personal digital assistant，PDA)、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备等包括上述折叠屏的设备，本申请实施例对该电子设备的具体形态不作特殊限制。
[0034本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据库配置参数调整方法，应用于数据库调优模块，包括：获取来自数据库服务器的数据库状态混合表征参数；将所述数据库状态混合表征参数输入到深度强化学习模型中生成目标数据库配置参数；将所述目标数据库配置参数发送至数据库服务器。2.根据权利要求1所述的方法，其特征在于，所述数据库状态混合表征参数包括以下的一种或多种：数据库性能参数、当前数据库配置参数、硬件资源参数、硬件资源状态参数。3.根据权利要求1所述的方法，其特征在于，所述深度强化学习模型包括混合表征模块和自调优模块，所述混合表征模块连接所述自调优模块；所述将所述数据库状态混合表征参数输入深度强化学习模型生成目标数据库配置参数，包括：将所述数据库状态混合表征参数输入到混合表征模块；所述混合表征模块利用神经网络模型对所述数据库状态混合表征参数处理，得到混合表征向量；将所述混合表征向量输入到所述自调优模块，所述自调优模块利用加强学习模型对所述混合表征向量处理得到目标数据库配置参数。4.根据权利要求3所述的方法，其特征在于，当所述数据库状态混合表征参数包括数据库性能参数、当前数据库配置参数、硬件资源参数、硬件资源状态参数时；所述将所述混合表征模块利用神经网络模型对所述数据库状态混合表征参数处理，得到混合表征向量，包括：获取当前所述数据库性能参数和前次所述数据库性能参数；以及，获取所述当前数据库配置参数和前次所述数据库配置参数；以及，获取当前所述硬件资源状态参数和前次所述硬件资源状态参数；以及，获取所述硬件资源参数；根据当前所述数据库性能参数获得当前所述数据库性能参数特征向量；根据前次所述数据库性能参数获得前次所述数据库性能参数特征向量；根据所述当前数据库配置参数获得所述当前数据库配置参数特征向量；根据前次所述数据库配置参数获得前次所述数据库配置参数特征向量；根据当前所述硬件资源状态参数获得当前所述硬件资源状态参数特征向量；根据前次所述硬件资源状态参数获得前次所述硬件资源状态参数特征向量；根据所述硬件资源参数获得所述硬件资源参数特征向量；根据当前所述数据库性能参数特征向量和前次所述数据库性能参数特征向量，计算得到数据库性能参数差值特征向量；根据所述当前数据库配置参数特征向量和前次所述数据库配置参数特征向量，计算得到数据库配置参数差值特征向量；根据当前所述硬件资源状态参数特征向量和前次所述硬件资源状态参数特征向量，计算得到硬件资源状态参数差值特征向量；将所述数据库性能参数特征向量、所述数据库性能参数差值特征向量、所述数据库配置参数特征向量、所述数据库配置参数差值特征向量、所述硬件资源状态参数特征向量、所述硬件资源状态参数差值特征向量、所述硬件资源参数特征向量输入到所述神经网络模型中，利用所述神经网络模型输出混合表征向量。5.根据权利要求3所述的方法，其特征在于，所述深度强化学习模型还包括数据库配置
参数奖励函数模块；所述将所述数据库状态混合表征参数输入深度强化学习模型生成数据库配置参数，还包括：将所述数据库状态混合表征参数分别输入到混合表征模块和数据库配置参数奖励函数模块，生成奖励策略；将所述奖励策略存储到样本池中；对所述样本池采样获得采样数据；利用所述采样数据，对所述数据库调优模块进行优化。6.根据权利要求5所述的方法，其特征在于，当所述数据库状态混合表征参数包括数据库性能参数、当前数据库配置参数、硬件资源参数、硬件资源状态参数时，所述将所述数据库状态混合表征参数分别输入到混合表征模块和数据库配置参数奖励函数模块，生成奖励策略，包括：将当前所述数据库性能参数与前次数据库性能参数差值、当前所述硬件资源状态参数与前次所述硬件资源状态参数差值归一化处理后输出当前数据库配置参数的奖励值；所述归一化处理为，计算所述当前所述数据库性能参数与前次数据库性能参数差值在所述前次数据库性能参数中的占比；以及，当前所述硬件资源状态参数与前次所述硬件资源状态参数差值在所述前次所述硬件资源状态参数的占比，并对所述占比乘以相应的加权值求和后输出所述当前数据库配置参数的奖励值；根据所述当前数据库配置参数的奖励值、所述当前数据库配置参数、当前所述数据库性能参数、当前所述硬件资源状态参数、前次所...

【专利技术属性】
技术研发人员：弄庆鹏，李忠良，屠要峰，郭斌，黄震江，陈小强，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：