[发明专利]一种基于Ottertune服务的集群调优方法及装置

权利要求书

1.一种基于Ottertune服务的集群调优方法，其特征在于，包括：

利用目标数据库的样本集群状态信息和样本性能信息学习训练得出目标模型；

获取所述目标数据库的当前集群状态信息；

将所述当前集群状态信息输入至所述目标模型中，利用所述目标模型输出与所述当前集群状态信息对应的当前性能信息；

判断所述当前性能信息是否达到目标性能状态；

若否，则根据所述当前性能信息确定出对应的配置信息，利用所述配置信息调整所述目标数据库的配置变量，并进入所述获取所述目标数据库的当前集群状态信息的步骤；若是，结束进程；

其中，所述根据所述当前性能信息确定出对应的配置信息，利用所述配置信息调整所述目标数据库的配置变量的过程，具体包括：

获取与所述目标数据库对应的目标服务器的硬件配置信息和软件配置信息；

根据所述硬件配置信息、所述软件配置信息以及所述当前性能信息确定出对应的配置信息，利用所述配置信息调整所述目标数据库的所述配置变量。

2.根据权利要求1所述的方法，其特征在于，所述利用目标数据库的样本集群状态信息和样本性能信息学习训练得出目标模型的过程，具体包括：

获取所述目标数据库的所述样本集群状态信息和与各所述样本集群状态信息对应的样本性能信息；

将所述样本集群状态信息和所述样本性能信息输入至深度神经网络中进行学习训练，当模型精准度达到预设标准时输出所述目标模型。

3.根据权利要求2所述的方法，其特征在于，所述将所述样本集群状态信息和所述样本性能信息输入至所述深度神经网络中进行学习训练，当模型精准度达到预设标准时输出所述目标模型的过程，具体包括：

将所述样本集群状态信息和所述样本性能信息输入至所述深度神经网络中进行学习训练，调用多个不同的比对函数库判断所述模型精准度，当所述模型精准度达到预设标准时输出所述目标模型。

4.根据权利要求2所述的方法，其特征在于，在所述获取所述目标数据库的所述样本集群状态信息和与各所述样本集群状态信息对应的样本性能信息之后，进一步包括：

对所述样本集群状态信息进行降维处理。

5.根据权利要求2所述的方法，其特征在于，进一步包括：

当迭代更新模型达到最大迭代次数时，将迭代更新次数为所述最大迭代次数对应的模型输出为所述目标模型。

6.根据权利要求1至5任一项所述的方法，其特征在于，进一步包括：

记录确定出的各所述配置信息以及对应的配置变量。

7.一种基于Ottertune服务的集群调优装置，其特征在于，包括：

训练模块，用于利用目标数据库的样本集群状态信息和样本性能信息学习训练得出目标模型；

获取模块，用于获取所述目标数据库的当前集群状态信息；

执行模块，用于将所述当前集群状态信息输入至所述目标模型中，利用所述目标模型输出与所述当前集群状态信息对应的当前性能信息；

判断模块，用于判断所述当前性能信息是否达到目标性能状态；若否，则调用调整模块；若是，结束进程；

所述调整模块，用于根据所述当前性能信息确定出对应的配置信息，利用所述配置信息调整所述目标数据库的配置变量，并调用所述获取模块；

其中，所述根据所述当前性能信息确定出对应的配置信息，利用所述配置信息调整所述目标数据库的配置变量的过程，具体包括：

获取与所述目标数据库对应的目标服务器的硬件配置信息和软件配置信息；

根据所述硬件配置信息、所述软件配置信息以及所述当前性能信息确定出对应的配置信息，利用所述配置信息调整所述目标数据库的所述配置变量。

8.一种基于Ottertune服务的集群调优设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述的基于Ottertune服务的集群调优方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于Ottertune服务的集群调优方法的步骤。