本申请公开了一种数据源配置方法、装置及其介质，涉及数据库技术领域，用于进行数据源配置，针对目前的数据源配置方法无法根据实际负载进行变化导致系统性能受到影响的问题，提供了一种数据源配置方法，通过获取应用实例的运行指标数据和预先通过历史数据训练得到的神经网络模型，对当前应用实例进行迭代拟合，直至神经网络模型输出的平均响应时长满足预期要求，此时输入的数据源配置参数即为适应当前负载且符合预期要求的数据源配置参数，将其作为目标数据源配置参数发往应用实例，实现应用实例的数据源配置动态更新，可以显著地提高业务系统的可靠性和平稳性。业务系统的可靠性和平稳性。业务系统的可靠性和平稳性。
【技术实现步骤摘要】
一种数据源配置方法、装置及其介质
[0001]本申请涉及数据库
，特别是涉及一种数据源配置方法、装置及其介质。
技术介绍
[0002]如今，为充分利用数据库资源以提供业务支持，多采用数据源连接池技术。对于数据库连接池的配置，通常通过预先输入配置参数实现，配置参数在信息化系统运行期间保持不变，无法很好地适应实际使用过程中不断变化的需要。
[0003]目前，存在一种通过切换数据源的技术，根据业务属性动态切换支撑业务的数据源，以获取跟业务属性对应的数据，但对于各数据源的配置同样由预先输入的配置参数实现，每个数据源在信息系统运行期间的配置参数不变，仍属于静态配置，所以上述两种配置方式仍会存在当系统负载压力较高时，系统的性能会被影响的问题。
[0004]所以，现在本领域的技术人员亟需要一种数据源配置方法，解决目前的数据源配置方法无法根据实际负载进行变化导致系统性能受到影响的问题。
技术实现思路
[0005]本申请的目的是提供一种数据源配置方法、装置及其介质，以解决目前的数据源配置方法无法根据实际负载进行变化导致系统性能受到影响的问题。
[0006]为解决上述技术问题，本申请提供一种数据源配置方法，包括：
[0007]采集应用实例的运行指标数据；其中，运行指标数据包括：数据库操作数、数据源活动连接数和数据库响应时长；
[0008]根据数据库响应时长确定数据库平均响应时长；并根据数据库操作数，通过时序序列预测算法确定数据库操作数的预测结果；
[0009]以数据库操作数的预测结果和数据源配置参数作为输入、以数据库平均响应时长作为输出，通过预先训练得到的神经网络模型进行拟合，不断迭代数据源配置参数，直至神经网络模型拟合输出的数据库平均响应时长满足预期要求，将此时的数据源配置参数作为目标数据源配置参数；其中，神经网络模型为根据运行指标数据训练得到；数据源配置参数包括：数据源初始连接数、数据源最小连接数和数据源最大连接数；
[0010]将目标数据源配置参数推送至对应的应用实例，以进行数据源配置的动态更新。
[0011]优选的，还包括：
[0012]当应用实例启动时，判断是否存在与当前应用实例从属于相同服务的其他应用实例；
[0013]若存在，则获取其他应用实例的数据源配置参数；
[0014]根据预先设置的权重，对其他各应用实例的数据源配置参数进行加权平均，以确定目标数据源配置参数；
[0015]根据目标数据源配置参数对应用实例进行数据源初始化。
[0016]优选的，还包括：
[0017]根据运行指标数据通过时序序列预测算法确定运行指标数据的预测结果；
[0018]若运行指标数据与其预测结果之间的变化超过预设条件，则返回至将目标数据源配置参数推送至对应的应用实例的步骤。
[0019]优选的，权重与应用实例的运行时长成正相关。
[0020]优选的，权重的设置方法包括：
[0021]获取与当前应用实例从属于相同服务的其他应用实例的运行持续时长；
[0022]根据各运行持续时长的和，确定总运行持续时长；
[0023]根据运行持续时长和总运行持续时长的比值，确定相应应用实例的权重。
[0024]优选的，在对应用实例进行数据源初始化之前，还包括：
[0025]若不存在与当前应用实例从属于相同服务的其他应用实例，则将预先设置的默认配置信息作为目标数据源配置参数。
[0026]优选的，在确定目标数据源配置参数之后，还包括：
[0027]生成与目标数据源配置参数对应的通用唯一标识码；
[0028]相应的，应用实例在接收到目标数据源配置参数之后，还包括：
[0029]比对当前数据源配置参数的通用唯一标识码，和接收到的目标数据源配置参数对应的通用唯一标识码，若不同，则进行数据源配置更新。
[0030]为解决上述技术问题，本申请还提供一种数据源配置装置，包括：
[0031]数据采集模块，用于采集应用实例的运行指标数据；其中，运行指标数据包括：数据库操作数、数据源活动连接数和数据库响应时长；
[0032]数据处理模块，用于根据数据库响应时长确定数据库平均响应时长；并根据数据库操作数，通过时序序列预测算法确定数据库操作数的预测结果；
[0033]配置确定模块，用于以数据库操作数的预测结果和数据源配置参数作为输入、以数据库平均响应时长作为输出，通过预先训练得到的神经网络模型进行拟合，不断迭代数据源配置参数，直至神经网络模型拟合输出的数据库平均响应时长满足预期要求，将此时的数据源配置参数作为目标数据源配置参数；其中，神经网络模型为根据运行指标数据训练得到；数据源配置参数包括：数据源初始连接数、数据源最小连接数和数据源最大连接数；
[0034]配置更新模块，用于将目标数据源配置参数推送至对应的应用实例，以进行数据源配置的动态更新。
[0035]优选的，还包括：
[0036]初始化触发模块，用于当应用实例启动时，判断是否存在与当前应用实例从属于相同服务的其他应用实例，若存在，触发第一初始化模块，若不存在，则触发第二初始化模块。
[0037]第一初始化模块，用于获取其他应用实例的数据源配置参数；根据预先设置的权重，对其他各应用实例的数据源配置参数进行加权平均，以确定目标数据源配置参数；根据目标数据源配置参数对应用实例进行数据源初始化。
[0038]第二初始化模块，用于将预先设置的默认配置信息作为目标数据源配置参数。
[0039]动态调整触发模块，用于根据运行指标数据通过时序序列预测算法确定运行指标数据的预测结果；若运行指标数据与其预测结果之间的变化超过预设条件，则返回至将目
标数据源配置参数推送至对应的应用实例的步骤。
[0040]版本标记模块，用于在确定目标数据源配置参数之后，生成与目标数据源配置参数对应的通用唯一标识码。
[0041]版本校验模块，用于在应用实例接收到目标数据源配置参数之后，比对当前数据源配置参数的通用唯一标识码，和接收到的目标数据源配置参数对应的通用唯一标识码，若不同，则进行数据源配置更新。
[0042]为解决上述技术问题，本申请还提供一种数据源配置装置，包括：
[0043]存储器，用于存储计算机程序；
[0044]处理器，用于执行计算机程序时实现如上述的数据源配置方法的步骤。
[0045]为解决上述技术问题，本申请还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述的数据源配置方法的步骤。
[0046]本申请提供的一种数据源配置方法，通过获取应用实例的运行指标数据可以表征应用实例当前的负载情况，并通过预先通过历史数据训练得到的神经网络模型，对当前应用实例进行拟合。其中，神经网络模型的数据库操作数输入，通过时序序列预测算法得到预测值作为输入，控制仅作为另一输入的数据源配本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据源配置方法，其特征在于，包括：采集应用实例的运行指标数据；其中，所述运行指标数据包括：数据库操作数、数据源活动连接数和数据库响应时长；根据所述数据库响应时长确定数据库平均响应时长；并根据所述数据库操作数，通过时序序列预测算法确定所述数据库操作数的预测结果；以所述数据库操作数的预测结果和数据源配置参数作为输入、以所述数据库平均响应时长作为输出，通过预先训练得到的神经网络模型进行拟合，不断迭代所述数据源配置参数，直至所述神经网络模型拟合输出的所述数据库平均响应时长满足预期要求，将此时的所述数据源配置参数作为目标数据源配置参数；其中，所述神经网络模型为根据所述运行指标数据训练得到；所述数据源配置参数包括：数据源初始连接数、数据源最小连接数和数据源最大连接数；将所述目标数据源配置参数推送至对应的所述应用实例，以进行数据源配置的动态更新。2.根据权利要求1所述的数据源配置方法，其特征在于，还包括：当所述应用实例启动时，判断是否存在与当前所述应用实例从属于相同服务的其他所述应用实例；若存在，则获取其他所述应用实例的所述数据源配置参数；根据预先设置的权重，对其他各所述应用实例的所述数据源配置参数进行加权平均，以确定所述目标数据源配置参数；根据所述目标数据源配置参数对所述应用实例进行数据源初始化。3.根据权利要求1所述的数据源配置方法，其特征在于，还包括：根据所述运行指标数据通过所述时序序列预测算法确定所述运行指标数据的预测结果；若所述运行指标数据与其预测结果之间的变化超过预设条件，则返回至所述将所述目标数据源配置参数推送至对应的所述应用实例的步骤。4.根据权利要求2所述的数据源配置方法，其特征在于，所述权重与所述应用实例的运行时长成正相关。5.根据权利要求4所述的数据源配置方法，其特征在于，权重的设置方法包括：获取与当前所述应用实例从属于相同服务的其他所述应用实例的运行持续时长；根据各所述运行持续时长的和，确定总运行持续时长；根据所述运行持续时长和所述总运行持续时长的比值，确定相应所述应用实例的所述权重。6....
【专利技术属性】
技术研发人员：孙光涛，陈尧，张永皋，王继，
申请(专利权)人：浪潮云信息技术股份公司，
类型：发明
国别省市：
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。