自动优化方法及训练方法、装置、电子设备制造方法及图纸

本申请实施例提供了一种自动优化方法及训练方法、装置、电子设备，自动优化方法，包括：在对计算引擎进行大数据基准测试时，获得所述计算引擎的若干个指标参数；通过神经网络模型，从若干个所述指标参数中，确定出对所述计算引擎的性能影响度排序位于前列的多个目标指标参数，以及所述目标指标参数对应的影响度分值；根据多个所述目标指标参数分别对应的调整对象，以及所述目标指标参数对应的影响度分值，确定待调整的调整对象及其对应的调整值，并根据待调整的调整对象及其对应的调整值，对所述计算引擎的资源配置进行自动调整，以优化所述计算引擎的性能。所述计算引擎的性能。所述计算引擎的性能。

【技术实现步骤摘要】
自动优化方法及训练方法、装置、电子设备


[0001]本申请实施例涉及计算机
，尤其涉及一种自动优化方法及训练方法、装置、电子设备。

技术介绍

[0002]在大数据之前，一般使用数据库引擎进行数据处理和存储，其由数据计算和数据存储两部分组成。大数据时代到来之后，由于企业等用户需要计算的数据量越来越大，促使了数据库引擎中计算引擎和存储引擎分开各自演进，使得两者获得解放，极大地促使了大数据时代的技术发展。
[0003]但是，当前计算引擎售卖过程中，各计算引擎需要进行基准测试，并需要相关专家使用经验根据基准测试结果配置进行调优，调优效率低且成本高。
[0004]有鉴于此，现有技术亟需解决的技术问题是如何提供一种新的调优方案。

技术实现思路

[0005]有鉴于此，本申请实施例提供一种调优方案，以至少部分解决上述问题。
[0006]根据本申请实施例的第一方面，提供了一种自动优化方法，包括：在对计算引擎进行大数据基准测试时，获得所述计算引擎的若干个指标参数；通过神经网络模型，从若干个所述指标参数中，确定出对所述计算引擎的性能影响度排序位于前列的多个目标指标参数，以及所述目标指标参数对应的影响度分值；根据多个所述目标指标参数分别对应的调整对象，以及所述目标指标参数对应的影响度分值，确定待调整的调整对象及其对应的调整值，并根据待调整的调整对象及其对应的调整值，对所述计算引擎的资源配置进行自动调整，以优化所述计算引擎的性能。
[0007]根据本申请实施例的第二方面，提供了一种用于优化计算引擎的神经网络模型的训练方法，包括：获得计算引擎对应的样本数据，所述样本数据包括所述计算引擎的历史指标参数及其对应的目标样本指标参数，所述目标样本指标参数为所述历史指标参数中对所述计算引擎的性能影响度排序位于前列的指标参数；利用所述历史指标参数及其对应的目标样本指标参数，对神经网络模型进行训练，使得训练后的所述神经网络模型用于从若干个所述计算引擎的指标参数中，确定出对所述计算引擎的性能影响度排序位于前列的多个目标指标参数，以及所述目标指标参数对应的影响度分值，以根据多个所述目标指标参数分别对应的调整对象，以及所述目标指标参数对应的影响度分值，确定待调整的调整对象及其对应的调整值，根据待调整的调整对象及其对应的调整值，对所述计算引擎的资源配置进行自动调整，以优化所述计算引擎的性能。
[0008]根据本申请实施例的第三方面，提供了一种自动优化装置，包括：参数采集模块，用于在对计算引擎进行大数据基准测试时，获得所述计算引擎的若干个指标参数；参数确定模块，用于通过神经网络模型，从若干个所述指标参数中，确定出对所述计算引擎的性能影响度排序位于前列的多个目标指标参数，以及所述目标指标参数对应的影响度分值；调
整模块，用于根据多个所述目标指标参数分别对应的调整对象，以及所述目标指标参数对应的影响度分值，确定待调整的调整对象及其对应的调整值，并根据待调整的调整对象及其对应的调整值，对所述计算引擎的资源配置进行自动调整，以优化所述计算引擎的性能。
[0009]根据本申请实施例的第四方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如上所述方法对应的操作。
[0010]根据本申请实施例提供的调优方案，在对计算引擎进行大数据基准测试时，获得所述计算引擎的若干个指标参数，由此，可以保证采集的若干个指标参数的准确性；之后通过神经网络模型，从若干个所述指标参数中，确定出对所述计算引擎的性能影响度排序位于前列的多个目标指标参数，以及所述目标指标参数对应的影响度分值，可以从若干个指标参数中，快速准确地确定出重点影响计算引擎性能的目标指标参数；并根据多个所述目标指标参数分别对应的调整对象，以及所述目标指标参数对应的影响度分值，确定待调整的调整对象及其对应的调整值，并根据待调整的调整对象及其对应的调整值，对所述计算引擎的资源配置进行自动调整，以优化所述计算引擎的性能，实现了对计算引擎的自动优化，极大地节省了计算引擎的优化成本。
附图说明
[0011]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0012]图1为适用本申请实施例的自动优化方法的示例性系统的示意图；
[0013]图2为根据本申请实施的一种自动优化方法的步骤流程图；
[0014]图3A为根据本申请实施例的一种自动优化方法的步骤流程图；
[0015]图3B为图3A所示的自动优化方法的雷达图；
[0016]图4为根据本申请实施的一种用于优化计算引擎的神经网络模型的训练方法的流程示意图；
[0017]图5为根据本申请实施例的一种自动优化装置的结构框图；
[0018]图6为根据本申请实施例的一种电子设备的结构示意图。
具体实施方式
[0019]为了使本领域的人员更好地理解本申请实施例中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本申请实施例保护的范围。
[0020]下面结合本申请实施例附图进一步说明本申请实施例具体实现。
[0021]图1示出了一种适用本申请实施例的自动优化方法的示例性系统。如图1所示，该系统100可以包括云服务端102、通信网络104和/或一个或多个用户设备106，图1中示例为
多个用户设备。
[0022]云服务端102可以是用于部署计算引擎的任何适当的设备，包括但不限于分布式存储系统设备、服务器集群、云计算服务端集群等。在一些实施例中，云服务端102可以执行任何适当的功能。例如，在一些实施例中，云服务端102可以用于进行计算。作为可选的示例，在一些实施例中，云服务端102可以被用于在用户的请求下对计算引擎进行基准测试。作为另一示例，在一些实施例中，云服务端102可以被用于将测试结果发送至用户。
[0023]在一些实施例中，通信网络104可以是一个或多个有线和/或无线网络的任何适当的组合。例如，通信网络104能够包括以下各项中的任何一种或多种：互联网、内联网、广域网(Wide Area Network，WAN)、局域网(Local Area Network,LAN)、无线网络、数字订户线路(Digital Subscriber Line，DSL)网络、帧中继网络、异步转移模式(Asynchronous Transfer Mode,ATM)网络、虚拟专用网(Virtual Private Network本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动优化方法，包括：在对计算引擎进行大数据基准测试时，获得所述计算引擎的若干个指标参数；通过神经网络模型，从若干个所述指标参数中，确定出对所述计算引擎的性能影响度排序位于前列的多个目标指标参数，以及所述目标指标参数对应的影响度分值；根据多个所述目标指标参数分别对应的调整对象，以及所述目标指标参数对应的影响度分值，确定待调整的调整对象及其对应的调整值，并根据待调整的调整对象及其对应的调整值，对所述计算引擎的资源配置进行自动调整，以优化所述计算引擎的性能。2.根据权利要求1所述的方法，其中，所述根据多个所述目标指标参数分别对应的调整对象，以及所述目标指标参数对应的影响度分值，确定待调整的调整对象及其对应的调整值，并根据待调整的调整对象及其对应的调整值，对所述计算引擎的资源配置进行自动调整，以优化所述计算引擎的性能，包括：根据所述目标指标参数对应的影响度分值，确定所述目标指标参数分别对应的调整对象的调整优先级分值，根据优先级分值确定待调整的调整对象，并确定所述待调整的调整对象对应的调整值；根据待调整的调整对象及其对应的调整值，对所述计算引擎的资源配置进行自动调整，以优化所述计算引擎的性能。3.根据权利要求2所述的方法，其中，所述根据所述目标指标参数对应的影响度分值，确定所述目标指标参数分别对应的调整对象的调整优先级分值，根据优先级分值确定待调整的调整对象，并确定所述待调整的调整对象对应的调整值，包括：将对应于同一个调整对象的所述目标指标参数的影响度分值进行求和，得到所述调整对象对应的调整优先级分值；根据所述调整优先级分值确定待调整的调整对象，并确定所述待调整的调整对象对应的调整值。4.根据权利要求1所述的方法，其中，所述根据多个所述目标指标参数分别对应的调整对象，以及所述目标指标参数对应的影响度分值，确定待调整的调整对象及其对应的调整值，并根据待调整的调整对象及其对应的调整值，对所述计算引擎的资源配置进行自动调整，以优化所述计算引擎的性能，包括：按照影响度分值由大到小的顺序，遍历多个所述目标指标参数，并针对所述目标指标参数执行以下步骤：确定所述目标指标参数对应的调整对象，根据所述目标指标参数对应的影响度分值，确定所述调整对象对应的调整值，并根据所述调整对象及其对应的调整值，对所述计算引擎中资源配置进行自动调整。5.根据权利要求1所述的方法，其中，所述调整对象包括重分布配置，所述调整值包括调整倍数，所述根据所述调整对象及其对应的调整值，对所述计算引擎中...

【专利技术属性】
技术研发人员：龙拔斌，
申请(专利权)人：阿里云计算有限公司，
类型：发明
国别省市：