[发明专利]一种多模型数据库OrientDB参数配置自动调优方法

权利要求书

1.一种多模型数据库OrientDB参数配置自动调优方法，其特征在于，包括：

在默认参数配置下使用MMBench对OrientDB进行基准测试，使用OSMonitor得到OrientDB的初始运行状态s，使用OPIndicator得到OrientDB的性能p；在状态s，调优模型输出参数配置a；

将OrientDB参数配置调整为a后，使用MMBench对OrientDB进行基准测试，OSMonitor对OrientDB的运行状态进行实时监控和处理得到状态指标s′，OPIndicator统计OrientDB的性能变化，根据奖励函数计算得到奖励r；

将训练数据四元组(s,a,r,s′)存入调优经验池；

从调优经验池中随机采样数量为m的小批量样本用以训练调优模型；

如果调优模型收敛或达到人为设置的终止条件则结束训练得到预训练调优模型，否则，令s←s′，反回在状态s，调优模型输出参数配置a的步骤；

在实际工作负载下使用预训练调优模型输出推荐的参数配置，调优系统与用户的OrientDB交互k次，在这k次交互的过程中调优系统对预训练调优模型的网络参数进行微调，以适应实际工作负载，取这k次中OrientDB性能最优时对应的参数配置作为调优模型推荐的参数配置；

其中，根据奖励函数计算得到奖励r：

其中，ΔP_t→0表示相对于默认参数配置下OrientDB性能的提升率，表示相对于OrientDB历史最优性能的提升率；ΔP_t→0＞0表示当前性能相对于默认参数配置下OrientDB性能有所提升，ΔP_t→0＜0表示当前性能相对于默认参数配置下OrientDB性能有所下降，表示当前性能相对于OrientDB历史最优性能有所提升，表示当前性能相对于OrientDB历史最优性能有所下降。

2.如权利要求1所述的多模型数据库OrientDB参数配置自动调优方法，其特征在于，

基于DDPG算法构建调优模型，DDPG算法包含行动者和评论家两个部分，行动者部分采用当前行动者网络和目标行动者网络，评论家部分采用当前评论家网络和目标评论家网络，在调优模型中，随机初始化当前行动者网络的参数θ^μ和当前评论家网络的参数θ^Q，初始化目标行动者网络的参数θ^μ′和目标评论家网络的参数θ^Q′，其中θ^μ′＝θ^μ，θ^Q′＝θ^Q，初始化调优经验池，容量为M。

3.如权利要求1所述的多模型数据库OrientDB参数配置自动调优方法，其特征在于，用(s_i,a_i,r_i,s′_i)表示单个样本的初始运行状态、参数配置、奖励和状态指标，计算当前评论家网络的梯度；采用评论家网络优化器更新当前评论家网络的参数；计算当前行动者网络的策略梯度；采用行动者网络优化器更新当前行动者网络的参数；更新目标行动者网络和目标评论家网络的参数。

4.如权利要求1所述的多模型数据库OrientDB参数配置自动调优方法，其特征在于，a＝μ(s|θ^μ)，μ是利用当前行动者网络逼近的策略函数，θ^μ为当前行动者网络的参数。

5.如权利要求1所述的多模型数据库OrientDB参数配置自动调优方法，其特征在于，在实际工作负载下使用预训练调优模型输出推荐的参数配置，包括：

S21、使用基准测试工具MMBench重放当前实际工作负载，对OrientDB进行性能测试；在MMBench对OrientDB进行性能测试期间，使用OSMonitor得到OrientDB的初始运行状态，使用OPIndicator得到OrientDB在默认参数配置下的性能；

S22、使用预训练调优模型为OrientDB输出推荐的参数配置，在与用户的OrientDB进行交互的过程中对预训练调优模型的网络参数进行微调，以适应实际工作负载；

S23、重复n次步骤S22，取这n次中OrientDB性能最优时对应的参数配置作为调优模型推荐的最终参数配置，将OrientDB参数配置调整为