【技术实现步骤摘要】
本专利技术涉及数据库软件调试，更具体的，涉及一种基于大语言模型与深度强化学习的数据库配置参数调优方法、以及使用了方法的基于大语言模型与深度强化学习的数据库配置参数调优系统。
技术介绍
1、数据库软件是一类数据库管理系统，其设计目的是让用户能够根据特定需求和条件，通过调整配置参数来灵活地定制数据库的性能、安全性、可用性等方面的特性。这类软件为用户提供了广泛的配置选项，以适应不同的工作负载、硬件环境和业务场景。
2、常见的数据库软件包括但不限于mysql、postgresql、mongodb等。mysql和postgresql作为数据库软件系统，都涵盖了大量配置参数以适应多样化的应用场景。在mysql中，存在诸如缓冲池大小、连接数等超过百项参数，而postgresql更是提供了包括索引配置、查询优化等在内的500多个配置选项。这些丰富的配置参数使得用户可以根据实际业务需求进行定制设置，从而灵活应对不同的工作负载和性能要求。
3、然而，这也带来了配置调优的挑战——需要用户在复杂的参数空间中做出明智的选择，以平衡性能、安全性和其他非功能属性。因为，这些配置参数不仅对软件的功能属性产生影响，还涉及到非功能属性，如性能和成本。
4、也就是说，配置空间的复杂性以及配置参数之间的繁琐约束关系使得调整配置变得困难。错误的配置可能导致系统崩溃、输出异常，甚至引发严重的性能下降，进而影响用户体验、响应时间和系统吞吐量等方面。
5、现有的调优工作往往是数据库管理员(dba)通过经验进行配置参数调整，然而这
技术实现思路
1、基于此，有必要针对现有人工配置数据库参数效果差、现有普通强化学习方法配置调优存在开销浪费的问题，提供了一种基于大语言模型与深度强化学习的数据库配置参数调优方法及系统。
2、本专利技术采用以下技术方案实现：
3、第一方面，本专利技术公开了一种基于大语言模型与深度强化学习的数据库配置参数调优方法，包括以下步骤：
4、步骤一，获取目标数据库软件的调优源信息；
5、其中，步骤一包括：
6、步骤1.1，通过搜索引擎搜索互联网中关于目标数据库软件的参数配置建议网页；
7、步骤1.2，对参数配置建议网页进行文本化处理，去除与参数配置无关的内容描述，得到调优源信息；
8、步骤二，通过大语言模型对调优源信息进行处理；再采用提问回答的方式，获取大语言模型返回的推荐参数值、并整理成参数二元表；
9、步骤三，按照参数二元表对目标数据库软件进行测试，得到初始转变数据序列；
10、步骤四，基于初始转变数据序列训练ddpg for demonstration模型；待ddpg fordemonstration模型收敛后，输出最终参数值。
11、该种基于大语言模型与深度强化学习的数据库配置参数调优方法实现根据本公开的实施例的方法或过程。
12、第二方面，本专利技术公开了一种基于大语言模型与深度强化学习的数据库配置参数调优系统，使用了第一方面公开的基于大语言模型与深度强化学习的数据库配置参数调优系统。
13、所述基于大语言模型与深度强化学习的数据库配置参数调优系统包括：信息获取模块、大语言处理模块、预测试模块、ddpgfd处理模块。
14、信息获取模块用于获取目标数据库软件的调优源信息。大语言处理模块内置大语言模型，用于对调优源信息进行处理；再采用提问回答的方式，获取大语言模型返回的推荐参数值、并整理成参数二元表。预测试模块用于按照参数二元表对目标数据库软件进行测试，得到初始转变数据序列。ddpgfd处理模块内置ddpg for demonstration模型，并用于基于初始转变数据序列训练ddpg for demonstration模型；待ddpg for demonstration模型收敛后，输出最终参数值。
15、该种基于大语言模型与深度强化学习的数据库配置参数调优系统实现根据本公开的实施例的方法或过程。
16、第三方面，本专利技术公开了一种可读存储介质。该可读存储介质中存储有计算机程序指令，计算机程序指令被一处理器读取并运行时，执行如第一方面公开的基于大语言模型与深度强化学习的数据库配置参数调优方法的步骤。
17、与现有技术相比，本专利技术具备如下有益效果：
18、本专利技术基于模仿学习的思想，将专家经验融入到强化学习的过程中，一方面，使用专家经验得到用于对ddpg for demonstration模型初轮权重调整的初始转变数据序列，从而缩短探索无意义点的时间；另一方面，利用ddpg for demonstration模型进行自身深度强化学习，对模型权重、推荐参数进行周期性交替调整，以保证调优的准确性。本专利技术为尽可能减少调优的代价和提高调优的准确性提供了可行的解决方案。
本文档来自技高网...【技术保护点】
1.一种基于大语言模型与深度强化学习的数据库配置参数调优方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大语言模型与深度强化学习的数据库配置参数调优方法，其特征在于，步骤1.1中，搜索引擎包括不限于：谷歌搜索、百度搜索、必应搜索。
3.根据权利要求1所述的基于大语言模型与深度强化学习的数据库配置参数调优方法，其特征在于，步骤1.1中，采用目标数据库软件参数调优的相关词语作为关键词进行搜索。
4.根据权利要求2所述的基于大语言模型与深度强化学习的数据库配置参数调优方法，其特征在于，步骤1.2包括：
5.根据权利要求1所述的基于大语言模型与深度强化学习的数据库配置参数调优方法，其特征在于，步骤二包括：
6.根据权利要求1所述的基于大语言模型与深度强化学习的数据库配置参数调优方法，其特征在于，步骤三中，
7.根据权利要求6所述的基于大语言模型与深度强化学习的数据库配置参数调优方法，其特征在于，步骤四包括：
8.根据权利要求7所述的基于大语言模型与深度强化学习的数据库配置参数调优方法，其特征
9.一种基于大语言模型与深度强化学习的数据库配置参数调优系统，其特征在于，其使用了如权利要求1-8中任一所述的基于大语言模型与深度强化学习的数据库配置参数调优方法；
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序指令，计算机程序指令被一处理器读取并运行时，执行如权利要求1-8中任一所述的基于大语言模型与深度强化学习的数据库配置参数调优方法的步骤。
...【技术特征摘要】
1.一种基于大语言模型与深度强化学习的数据库配置参数调优方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大语言模型与深度强化学习的数据库配置参数调优方法，其特征在于，步骤1.1中，搜索引擎包括不限于：谷歌搜索、百度搜索、必应搜索。
3.根据权利要求1所述的基于大语言模型与深度强化学习的数据库配置参数调优方法，其特征在于，步骤1.1中，采用目标数据库软件参数调优的相关词语作为关键词进行搜索。
4.根据权利要求2所述的基于大语言模型与深度强化学习的数据库配置参数调优方法，其特征在于，步骤1.2包括：
5.根据权利要求1所述的基于大语言模型与深度强化学习的数据库配置参数调优方法，其特征在于，步骤二包括：
6.根据权利要求1所述的基于大语言模型与...
【专利技术属性】
技术研发人员：窦晖，朱珊珊，张以文，周雨轩，仵杨，代加庆，
申请(专利权)人：安徽大学，
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。