[发明专利]一种基于深度神经网络的数据库动态资源调优系统与方法

权利要求书

1.一种基于深度神经网络的数据库动态资源调优系统，其特征在于，包括：采集服务装置和调优服务装置，所述调优服务装置包括：规则模块、权限模块、分析模块、神经网络模块、决策模块、审核模块、任务模块和消息模块；

所述采集服务装置安装于数据库端，主要负责实时采集数据库运行状态数据，并按照约定格式汇总采集的数据，以及将汇总数据报送调优服务装置；

所述规则模块主要负责设置调优规则、任务等级、审核规则和消息规则；

所述权限模块主要负责设置登录用户权限；

所述分析模块用于缓存所述采集服务装置报送的汇总数据，并解析和分析所述汇总数据，判断是否需要对数据库进行调优；

所述神经网络模块主要负责业务模型训练，以及预测优化调整参数，并将所述优化调整参数传送给决策模块；

所述决策模块主要负责生成调优任务，并将所述调优任务发送给审核模块；

所述审核模块主要负责审核调优任务，将调优任务归为自动审核或人工审核类别；

所述任务模块主要负责管理和执行审核通过的调优任务；

所述消息模块主要负责消息管理。

2.根据权利要求1所述的基于深度神经网络的数据库动态资源调优系统，其特征在于，还包括：DATA模块，所述DATA模块用于存储规则信息、权限信息、任务信息和消息信息。

3.根据权利要求1所述的基于深度神经网络的数据库动态资源调优系统，其特征在于，所述分析模块前置kafka。

4.根据权利要求1所述的基于深度神经网络的数据库动态资源调优系统，其特征在于，所述权限模块还用于web访问模块标签控制。

5.根据权利要求1所述的基于深度神经网络的数据库动态资源调优系统，其特征在于，所述数据库运行状态数据包括：机型配置、数据库配置、数据量和读写访问量。

6.根据权利要求1所述的基于深度神经网络的数据库动态资源调优系统，其特征在于，所述神经网络模块为BP神经网络、RNN神经网络、LSTM神经网络中的一种。

7.一种基于深度神经网络的数据库动态资源调优方法，其特征在于，包括：

1）深度神经网络模型训练：

11）准备深度神经网络的训练样本数据和测试样本数据；

12）构造深度神经网络模型；

13）初始化深度神经网络模型的参数；

14）对深度神经网络模型进行训练，并进行优化；

15）验证并保存模型训练结果；

2）数据库动态资源调优：

21）采集数据库运行状态数据，按照约定格式整理数据；

22）分析采集的数据库运行状态数据，按调优规则判断是否需要对数据库进行调优，如需调优，则进行步骤23）；如无需调优，则记录判断信息，本次任务结束；

23）对采集的数据库运行状态数据进行归一化；

24）将归一化后的数据送入训练好的深度神经网络预测优化调整参数；

25）将预测的优化调整参数送入调优任务队列；

26）将调优任务归类为自动审核或人工审核，若为自动审核，则将调优任务调度到自调优任务队列；若为人工审核，则将调优任务放入人工审核队列，并发消息通知相关人员，若人工审核通过则放入自调优任务队列，若人工审核不通过则该任务终止；

27）自动执行调优任务，将执行情况发消息通知相关人员，并登记任务信息。

8.根据权利要求7所述的基于深度神经网络的数据库动态资源调优方法，其特征在于，所述深度神经网络为BP神经网络、RNN神经网络、LSTM神经网络中的一种。

9.根据权利要求7所述的基于深度神经网络的数据库动态资源调优方法，其特征在于，所述训练样本数据和测试样本数据为数据库历史运行的机型配置、数据库配置、数据量、读写访问量数据和访问时数据库指标状态。