[发明专利]基于机器学习的元数据调优方法、装置、设备及存储介质

权利要求书

1.一种基于机器学习的元数据调优方法，其特征在于，所述方法包括：

确定对ceph底层存储引擎进行性能调优所要达到的优化指标数据；

对于每个优化指标数据，确定用于调节所述优化指标数据的所有待选配置参数；

基于所述待选配置参数对存储引擎的整体性能影响，自所述待选配置参数中，确定每个优化指标数据对应的目标配置参数；

通过训练好的机器学习模型对所述目标配置参数进行优化调整，使所述存储引擎的性能达到所述优化指标数据。

2.如权利要求1所述的基于机器学习的元数据调优方法，其特征在于，所述对于每个优化指标数据，确定用于调节所述优化指标数据的所有待选配置参数，包括：

对于存储引擎的每个配置参数，确定其对存储引擎的单一性能影响；

对于每个优化指标数据，确定对其具有单一性能影响的所有待选配置参数。

3.如权利要求1所述的基于机器学习的元数据调优方法，其特征在于，所述机器学习模型包括参数分布估计模型和最优值估计模型；

通过训练好的机器学习模型对所述目标配置参数进行优化调整，包括：

通过参数分布估计模型估计各目标配置参数的分布情况；

基于各目标配置参数的分布情况，通过最优值估计模型，确定各目标配置参数的最优值。

4.如权利要求3所述的基于机器学习的元数据调优方法，其特征在于，所述参数分布估计模型基于高斯过程回归函数实现；

通过参数分布估计模型估计各目标配置参数的分布情况，包括：

通过高斯过程回归函数估计各目标配置参数的均值和标准差。

5.如权利要求4所述的基于机器学习的元数据调优方法，其特征在于，所述最优值估计模型基于采集函数实现，所述采集函数用于平衡探索和利用两个性质；

其中，探索的目的在于，根据目标配置参数的分布情况，在分布稀疏的未知区域重新取值；利用的目的在于，在分布集中的已知区域，选取最优值。

6.如权利要求5所述的基于机器学习的元数据调优方法，其特征在于，所述采集函数为置信区间上界，基于各目标配置参数的分布情况，通过最优值估计模型，确定各目标配置参数的最优值，包括：

基于各目标配置参数的分布情况，通过下面公式，求得使U(X)值最大的X的最优解，将所述最优解确定为各目标配置参数的最优值：

U(X)＝m(X)+k*s(X)

其中，X表示目标配置参数；U(X)表示在目标配置参数X下的优化指标数据；k表示可调的系数，k0；s(X)表示目标配置参数X的标准差。

7.如权利要求1-6任一项所述的基于机器学习的元数据调优方法，其特征在于，所述方法还包括：

获取训练数据集；所述训练数据集包括历史优化指标数据和对应的目标配置参数的历史调优值；

根据所述训练数据集，对机器学习模型进行训练。

8.一种基于机器学习的元数据调优装置，其特征在于，所述装置包括：

指标确定模块，用于确定对ceph底层存储引擎进行性能调优所要达到的优化指标数据；

参数确定模块，用于根据所述优化指标数据，确定需要优化的目标配置参数；

参数调优模块，用于通过训练好的机器学习模型对所述目标配置参数进行优化调整，使所述存储引擎的性能达到所述优化指标数据。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项权利要求所述基于机器学习的元数据调优方法的步骤。

10.一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述基于机器学习的元数据调优方法的步骤。