[发明专利]数据库的扩缩容处理方法及装置、计算机设备及可读介质在审
| 申请号: | 201910594624.3 | 申请日: | 2019-07-03 | 
| 公开(公告)号: | CN110457287A | 公开(公告)日: | 2019-11-15 | 
| 发明(设计)人: | 何自强;陈再妮 | 申请(专利权)人: | 北京百度网讯科技有限公司 | 
| 主分类号: | G06F16/21 | 分类号: | G06F16/21;G06F11/34 | 
| 代理公司: | 11412 北京鸿德海业知识产权代理事务所(普通合伙) | 代理人: | 田宏宾<国际申请>=<国际公布>=<进入 | 
| 地址: | 100085北京市*** | 国省代码: | 北京;11 | 
| 权利要求书: | 查看更多 | 说明书: | 查看更多 | 
| 摘要: | |||
| 搜索关键词: | 负载数据 扩缩 数据库 未来时刻 规模信息 有效地 计算机设备 负载预测 可读介质 人工参与 人力成本 自动地 预测 省时 省力 全程 响应 | ||
1.一种数据库的扩缩容处理方法,其特征在于,所述方法包括:
获取数据库的历史负载数据、当前负载数据以及当前规模信息;
根据所述当前负载数据、所述历史负载数据以及预先训练的负载预测模型,预测所述数据库在未来时刻t的负载数据;
根据所述当前规模信息以及所述未来时刻t的负载数据,获取所述数据库在所述未来时刻t的扩缩容数量;
根据所述扩缩容数量,对所述数据库进行扩缩容处理。
2.根据权利要求1所述的方法,其特征在于,根据所述当前负载数据、所述历史负载数据以及预先训练的负载预测模型,预测所述数据库在未来时刻t的负载数据,包括:
根据所述当前负载数据、所述历史负载数据以及第一负载预测模型,预测所述数据库在所述未来时刻t的第一负载数据;所述第一负载预测模型为基于非周期性变化趋势的预测模型;根据所述当前负载数据、所述历史负载数据以及第二负载预测模型,预测所述数据库在所述未来时刻t的第二负载数据;所述第二负载预测模型为基于周期性变化趋势的预测模型;和/或根据所述当前负载数据、所述历史负载数据以及第三负载预测模型,预测所述数据库在所述未来时刻t的第三负载数据;所述第三负载预测模型为基于节假日或者突发事件的预测模型;
将所述数据库在所述未来时刻t的所述第一负载数据、所述第二负载数据和/或所述第三负载数据累加,作为所述数据库在所述未来时刻t的负载数据。
3.根据权利要求1所述的方法,其特征在于,根据所述当前规模信息以及所述未来时刻t的负载数据,获取所述数据库在所述未来时刻t的扩缩容数量,包括:
根据所述当前规模信息以及所述未来时刻t的负载数据,从扩缩容配置库中获取所述数据库在所述未来时刻t的扩缩容数量;其中所述扩缩容配置库中的各条扩缩容配置信息包括负载数据、扩缩容前的规模信息以及扩缩容数量的对应关系。
4.根据权利要求3所述的方法,其特征在于,根据所述当前规模信息以及所述未来时刻t的负载数据,获取所述数据库在所述未来时刻t的扩缩容数量,包括:
根据所述当前规模信息、所述未来时刻t的负载数据以及预先训练的扩缩容配置模型,预测所述数据库在所述未来时刻t的扩缩容数量。
5.根据权利要求4所述的方法,其特征在于,根据所述当前规模信息、所述未来时刻t的负载数据以及预先训练的扩缩容配置模型,预测所述数据库在所述未来时刻t的扩缩容数量之前,所述方法还包括:
检测并确定所述扩缩容配置库中未包括所述当前规模信息以及所述未来时刻t的负载数据对应的扩缩容配置信息;
和/或根据所述当前规模信息、所述未来时刻t的负载数据以及预先训练的扩缩容配置模型,预测所述数据库在所述未来时刻t的扩缩容数量之后,所述方法还包括:
将所述未来时刻t的负载数据、所述当前规模信息以及所述扩缩容配置模型预测的所述数据库在所述未来时刻t的扩缩容数量,作为一条扩缩容配置信息存储在所述扩缩容配置库中。
6.根据权利要求4所述的方法,其特征在于,根据所述当前规模信息、所述未来时刻t的负载数据以及预先训练的扩缩容配置模型,预测所述数据库在所述未来时刻t的扩缩容数量之前,所述方法包括:
采用所述扩缩容配置库中的各条所述扩缩容配置信息,训练所述扩缩容配置模型。
7.根据权利要求6所述的方法,其特征在于,采用所述扩缩容配置库中的各条所述扩缩容配置信息,训练所述扩缩容配置模型,包括:
将各条所述扩缩容配置信息中的所述负载数据和扩缩容前的规模信息输入至所述扩缩容配置模型中,获取所述扩缩容配置模型预测的扩缩容数量;
将所述预测的扩缩容数量应用到所述负载数据和扩缩容前的规模信息对应的镜像数据库中,获取所述镜像数据库的TPS;
判断在连续预设次数的训练中所述TPS是否均达到预设的最大阈值;
若不是,调整所述扩缩容配置模型的参数;
重复上述步骤,采用各条所述扩缩容配置信息不断地对所述扩缩容配置模型进行训练,直到在所述连续预设次数的训练中所述TPS均达到预设的最大阈值,确定所述扩缩容配置模型的参数,进而确定所述扩缩容配置模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910594624.3/1.html,转载请声明来源钻瓜专利网。





