【技术实现步骤摘要】
本申请涉及终端软件，尤其涉及一种参数调整方法及相关设备。
技术介绍
1、电子设备如个人电脑、服务器等的操作系统具有大量可调节的参数用于控制系统运行，例如，读写操作百分比、最大并行线程数量、缓存容量、cpu(central processingunit，中央处理器)核数等。通过对参数进行调优可以提升应用程序的执行效率、减少资源使用量及减少系统错误。然而，目前的参数调优方法一般只能针对离线场景进行参数调优，如此，当在线应用程序正在运行，系统负载发生变化时，无法实时对系统参数进行动态调优，可能影响系统的正常运行。
技术实现思路
1、有鉴于此，有必要提供一种参数调整方法，解决无法根据系统负载变化实时对系统参数进行调优的问题。
2、本申请实施例第一方面提供一种参数调整方法，包括：检测电子设备运行在线应用程序时的负载是否发生变化；若所述电子设备运行在线应用程序时的负载发生变化，获取所述在线应用程序的特征数据，将所述特征数据与特征库中的特征数据进行匹配，确定所述特征库中与所述在线应用程序匹配的应用程序及负载类型；从模型库中选取与所述在线应用程序匹配的应用程序及负载类型对应的参数调优模型；基于选取的所述参数调优模型确定运行所述在线应用程序的最优参数。
3、采用上述技术方案，通过检测电子设备运行在线应用程序时的负载是否发生变化，在负载发生变化时，将在线应用程序的特征数据与特征库中的特征数据匹配确定在线应用程序的最优调参模型，从而通过最优调参模型输出最优参数，实现动态的参数调优
4、在一种可能的实现方式中，所述检测电子设备运行在线应用程序时的负载是否发生变化包括：采集所述在线应用程序的关键数据，生成所述关键数据的时间序列；检测所述时间序列中任一数据前后的数据分布是否发生变化；若所述时间序列中任一数据前后的数据分布发生变化，确定所述在线应用程序的负载发生变化；或若所述时间序列中所有数据前后的数据分布均未发生变化，确定所述在线应用程序的负载未发生变化。
5、采用上述技术方案，通过时间序列的数据分布检测电子设备运行在线应用程序时的负载是否发生变化，考虑时间维度的信息，能实时、主动发现负载的变化，灵敏度更高，可以有效地提高检测精度。
6、在一种可能的实现方式中，所述检测所述时间序列中任一数据前后的数据分布是否发生变化包括：基于所述时间序列中任一数据的左边部分数据与右边部分数据的均值和方差检测所述数据前后的数据分布是否发生变化。
7、采用上述技术方案，通过时间序列中任一数据的左边部分数据与右边部分数据的均值和方差检测所述数据前后的数据分布是否发生变化，可以有效地提高检测精度。
8、在一种可能的实现方式中，所述基于所述时间序列中任一数据的左边部分数据与右边部分数据的均值和方差检测所述数据前后的数据分布是否发生变化包括：计算所述时间序列中任一数据对应的左边部分数据与右边部分数据的均值变化及方差变化；判断所述均值变化是否大于第一阈值、所述方差变化是否大于第二阈值、所述均值变化与所述方差变化是否同时大于第三阈值；若所述均值变化大于第一阈值，或所述方差变化大于第二阈值，或所述均值变化与方差变化同时大于第三阈值，确定所述数据前后的数据分布发生变化；或若所述均值变化小于或等于第一阈值，且所述方差变化小于或等于第二阈值，且所述均值变化与方差变化同时小于或等于第三阈值，确定所述数据前后的数据分布未发生变化。
9、采用上述技术方案，通过时间序列中任一数据对应的左边部分数据与右边部分数据的均值变化及方差变化检测所述数据前后的数据分布是否发生变化，可以有效地提高检测精度。
10、在一种可能的实现方式中，所述获取所述在线应用程序的特征数据包括：采集所述在线应用程序的关键数据，将采集的关键数据转换为所述特征数据，对所述特征数据进行预处理，得到所述在线应用程序的统计特征和时序特征。
11、采用上述技术方案，可以将在线应用程序的静态运行数据和动态运行数据相结合，从而提高应用画像的精度。
12、在一种可能的实现方式中，所述将特征数据与特征库中的特征数据进行匹配，确定特征库中与在线应用程序匹配的应用程序及负载类型包括：将所述在线应用程序的统计特征与所述特征库中每组特征数据的统计特征进行匹配，确定在线应用程序的统计特征与特征库中每组特征数据的统计特征之间的第一相似值；将所述在线应用程序的时序特征与特征库中每组特征数据的时序特征进行匹配，确定在线应用程序的时序特征与特征库中每组特征数据的时序特征之间的第二相似值；基于第一相似值和第二相似值确定所述特征库中与在线应用程序匹配的应用程序及负载类型。
13、采用上述技术方案，通过构建在线应用程序的特征数据与特征库中的特征数据的之间的相似值，可以提高匹配精度。
14、在一种可能的实现方式中，所述确定在线应用程序的统计特征与特征库中每组特征数据的统计特征之间的第一相似值包括：计算所述在线应用程序的每个维度的统计特征与所述特征库中每组特征数据的对应维度的统计特征之间的差值的平方和，得到所述在线应用程序的统计特征与所述特征库中每组特征数据的统计特征之间的第一相似值。
15、采用上述技术方案，可以提高确定在线应用程序的统计特征与特征库中的统计特征之间的相似度的精确度。
16、在一种可能的实现方式中，所述确定在线应用程序的时序特征与特征库中每组特征数据的时序特征之间的第二相似值包括：基于动态时间弯曲距离的时序相似性方法确定所述在线应用程序的时序特征与所述特征库中每组特征数据的时序特征之间的第二相似值。
17、采用上述技术方案，基于动态时间弯曲距离的时序相似性方法确定所述在线应用程序的时序特征与所述特征库中每组特征数据的时序特征之间的第二相似值，可以考虑时间上的平移和伸缩，准确率更高。
18、在一种可能的实现方式中，所述基于第一相似值和第二相似值确定所述特征库中与在线应用程序匹配的应用程序及负载类型包括：计算所述在线应用程序的统计特征与特征库中每组特征数据的统计特征进行匹配得到的第一相似值及所述在线应用程序的时序特征与特征库中每组特征数据的时序特征进行匹配得到的第二相似值之和；确定所述第一相似值与所述第二相似值之间的最小和值；确定所述特征库中与最小和值对应的特征数据的应用程序及负载类型为与在线应用程序匹配的应用程序及负载类型。
19、采用上述技术方案，在特征匹配过程中，将动态特征匹配和静态特征匹配相结合，同时考虑应用负载的整体分布和实时动态性，从而提高匹配精度。
20、在一种可能的实现方式中，所述方法还包括：采集多个应用程序与不同负载类型对应的特征数据，建立所述特征库；基于多个所述应用程序对应负载类型的参数样本对预设模型进行训练，建立每个应用程序对应负载类型的参数调优模型，并基于多个所述应用程序对应负载类型的参数调优模型建立所述模型库。
21、采用上述技术方案，可以在离线本文档来自技高网...
【技术保护点】
1.一种参数调整方法，其特征在于，所述参数调整方法包括：
2.如权利要求1所述的参数调整方法，其特征在于，所述检测电子设备运行在线应用程序时的负载是否发生变化包括：
3.如权利要求2所述的参数调整方法，其特征在于，所述检测所述时间序列中任一数据前后的数据分布是否发生变化包括：
4.如权利要求3所述的参数调整方法，其特征在于，所述基于所述时间序列中任一数据的左边部分数据与右边部分数据的均值和方差检测所述数据前后的数据分布是否发生变化包括：
5.如权利要求1所述的参数调整方法，其特征在于，所述获取所述在线应用程序的特征数据包括：
6.如权利要求5所述的参数调整方法，其特征在于，所述将所述特征数据与特征库中的特征数据进行匹配，确定所述特征库中与所述在线应用程序匹配的应用程序及负载类型包括：
7.如权利要求6所述的参数调整方法，其特征在于，所述确定所述在线应用程序的统计特征与所述特征库中每组特征数据的统计特征之间的第一相似值包括：
8.如权利要求6所述的参数调整方法，其特征在于，所述确定所述在线应用程序的
9.如权利要求6所述的参数调整方法，其特征在于，所述基于第一相似值和第二相似值确定所述特征库中与在线应用程序匹配的应用程序及负载类型包括：
10.如权利要求1所述的参数调整方法，其特征在于，所述方法还包括：
11.如权利要求10所述的参数调整方法，其特征在于，所述采集多个应用程序与不同负载类型对应的特征数据，建立所述特征库包括：
12.如权利要求11所述的参数调整方法，其特征在于，所述关键数据包括逻辑层数据和运行时数据。
13.如权利要求12所述的参数调整方法，其特征在于，所述将采集的所述关键数据转换为所述应用程序的特征数据，对所述应用程序的特征数据进行预处理，得到所述应用程序的关键数据的统计特征和时序特征包括：
14.如权利要求10所述的参数调整方法，其特征在于，所述基于所述多个应用程序对应负载类型的参数样本对预设模型进行训练，建立每个应用程序对应负载类型的参数调优模型包括：
15.如权利要求14所述的参数调整方法，其特征在于，所述从所述参数样本中选取多组第一参数，并确定每组第一参数对应的第一性能数据包括：
16.如权利要求14所述的参数调整方法，其特征在于，所述基于所述多组第一参数和每组第一参数对应的第一性能数据构建预训练随机森林模型包括：
17.如权利要求14所述的参数调整方法，其特征在于，所述基于所述多个应用程序对应负载类型的参数样本对预设模型进行训练，建立每个应用程序对应负载类型的参数调优模型还包括：
18.如权利要求17所述的参数调整方法，其特征在于，所述从所述参数样本中选取多组第二参数，将所述多组第二参数输入所述预训练随机森林模型，得到所述预训练随机森林模型中每个决策树预测的第二性能数据包括：
19.如权利要求17所述的参数调整方法，其特征在于，所述预设的采样策略为在所述参数样本中选取使得所述采集函数最大的预设数量组参数作为起点，通过随机近邻方法找到邻居点。
20.如权利要求17所述的参数调整方法，其特征在于，所述基于所述采集函数的最大输出值确定第三参数，基于所述第三参数对所述预训练随机森林模型进行训练包括：
21.如权利要求17所述的参数调整方法，其特征在于，所述基于所述多个应用程序对应负载类型的参数样本对预设模型进行训练，建立每个应用程序对应负载类型的参数调优模型还包括：
22.如权利要求21所述的参数调整方法，其特征在于，所述通过当前的所述预训练随机森林模型输出所述参数样本中使得性能数据最优的最优参数包括：
23.如权利要求1所述的参数调整方法，其特征在于，所述基于选取的所述参数调优模型确定运行所述在线应用程序的最优参数包括：
24.如权利要求23所述的参数调整方法，其特征在于，所述基于所述在线应用程序的参数样本对选取的所述参数调优模型进行调整包括：
25.如权利要求23所述的参数调整方法，其特征在于，所述基于调整后的参数调优模型输出运行在线应用程序的最优参数包括：
26.一种计算机可读存储介质，其特征在于，包括计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如权利要求1至权利要求25中任一项所述的参数调整方法。
27.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器用于存储指令，所述处理器用于调...
【技术特征摘要】
1.一种参数调整方法，其特征在于，所述参数调整方法包括：
2.如权利要求1所述的参数调整方法，其特征在于，所述检测电子设备运行在线应用程序时的负载是否发生变化包括：
3.如权利要求2所述的参数调整方法，其特征在于，所述检测所述时间序列中任一数据前后的数据分布是否发生变化包括：
4.如权利要求3所述的参数调整方法，其特征在于，所述基于所述时间序列中任一数据的左边部分数据与右边部分数据的均值和方差检测所述数据前后的数据分布是否发生变化包括：
5.如权利要求1所述的参数调整方法，其特征在于，所述获取所述在线应用程序的特征数据包括：
6.如权利要求5所述的参数调整方法，其特征在于，所述将所述特征数据与特征库中的特征数据进行匹配，确定所述特征库中与所述在线应用程序匹配的应用程序及负载类型包括：
7.如权利要求6所述的参数调整方法，其特征在于，所述确定所述在线应用程序的统计特征与所述特征库中每组特征数据的统计特征之间的第一相似值包括：
8.如权利要求6所述的参数调整方法，其特征在于，所述确定所述在线应用程序的时序特征与所述特征库中每组特征数据的时序特征之间的第二相似值包括：
9.如权利要求6所述的参数调整方法，其特征在于，所述基于第一相似值和第二相似值确定所述特征库中与在线应用程序匹配的应用程序及负载类型包括：
10.如权利要求1所述的参数调整方法，其特征在于，所述方法还包括：
11.如权利要求10所述的参数调整方法，其特征在于，所述采集多个应用程序与不同负载类型对应的特征数据，建立所述特征库包括：
12.如权利要求11所述的参数调整方法，其特征在于，所述关键数据包括逻辑层数据和运行时数据。
13.如权利要求12所述的参数调整方法，其特征在于，所述将采集的所述关键数据转换为所述应用程序的特征数据，对所述应用程序的特征数据进行预处理，得到所述应用程序的关键数据的统计特征和时序特征包括：
14.如权利要求10所述的参数调整方法，其特征在于，所述基于所述多个应用程序对应负载类型的参数样本对预设模型进行训练，建立每个应用程序对应负载类型的参数调优模型包括：
15.如权利要求14所述的参数调整方法，其特征在于，所述从所述参数样本中选取多组第一参数，并确定每组第一参数对应的第一性能数据包括：
16.如权利要求14所述的参数调整方法...
【专利技术属性】
技术研发人员：陈东辉，谢志鹏，栾建海，任玉鑫，
申请(专利权)人：华为技术有限公司，
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。