[发明专利]自动调参优化方法、装置、电子设备

权利要求书

1.一种自动调参优化方法，其特征在于，包括：

根据调参指令，将历史系统参数和所述历史系统参数对应的资源消耗量，确定为训练样本；

对所述训练样本进行特征提取；

利用提取的特征，对参数预测模型进行训练；

利用训练好的参数预测模型，对下一时段的系统参数进行预测，得到预测系统参数；

根据所述预测系统参数，更新系统参数；

所述利用训练好的参数预测模型，对下一时段的系统参数进行预测，得到预测系统参数，包括：

根据所述参数预测模型，对下一时段的资源消耗量和系统参数进行预测，得到预测的资源消耗量和对应的预测系统参数；

所述方法还包括：

将所述预测的资源消耗量和下一时段的实际的资源消耗量比较，得到本时段预测结果的准确率；

获取最新版本参数预测模型预测的资源消耗量的预测值和对应的资源消耗量的实际值，得到最新版本预测结果的准确率；

若本时段预测结果的准确率高于所述最新版本预测结果的准确率，则将本时段系统参数和资源消耗的实际值写入下次训练的样本。

2.根据权利要求1所述的方法，其特征在于，所述根据调参指令，将历史系统参数和所述历史系统参数对应的资源消耗量，确定为训练样本，包括：

根据调参指令，将历史系统参数和所述历史系统参数对应的资源消耗量，确定为训练样本集；

基于自助法，根据所述训练样本集，生成若干组训练样本；

所述对所述训练样本进行特征提取，包括：

针对每一组训练样本，对所述训练样本进行特征提取；

所述利用提取的特征，对参数预测模型进行训练，包括：

针对每一组训练样本，利用所述训练样本对应的提取的特征，对参数预测模型进行训练，得到一组对应的模型参数；

从若干组所述模型参数中，选取最优模型参数，生成训练好的参数预测模型。

3.根据权利要求2所述的方法，其特征在于，所述从若干组所述模型参数中，选取最优模型参数，生成训练好的参数预测模型，包括：

获取测试任务；

基于所述测试任务对应的资源消耗量，利用若干组所述模型参数对应的模型，对系统参数进行预测，得到若干组测试系统参数；

针对每一组测试系统参数，将所述测试系统参数部署到系统中，执行所述测试任务，确定测试时长；

将最短测试时长对应的模型确定为训练好的参数预测模型。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据调参指令，将历史系统参数和所述历史系统参数对应的资源消耗量，确定为训练样本，包括：

根据调参指令，获取预设时长内每一时段对应的实际系统参数和实际资源消耗量；

将每一时段对应的实际系统参数和实际资源消耗量确定为一条训练样本。

5.根据权利要求4所述的方法，其特征在于，还包括：

针对每一条训练样本，判断所述训练样本是否完整；

若所述训练样本不完整，则根据所述训练样本相关的历史数据，对所述训练样本进行补全。

6.根据权利要求1-3任一项所述的方法，其特征在于，还包括：

接收同步任务指令；

基于所述同步任务指令，校验流程图依赖关系是否正常；

若所述流程图依赖关系正常，则生成调参指令。

7.根据权利要求1-3任一项所述的方法，其特征在于，还包括：

对本时段参数预测模型进行整体性评估，得到本时段训练好的参数预测模型的评分；

对最新版本的参数预测模型进行整体性评估，得到最新版本的参数预测模型的评分；

比较两个模型的评分，若本时段训练好的参数预测模型的评分高于最新版本的参数预测模型的评分，则将本时段训练好的参数预测模型更新为最新版本的参数预测模型。