摘要
本发明公开了一种基于机器学习的数据库性能预测方法,特点是获取配置参数空间并确定每个配置参数的取值范围;基于机器学习进行特征提取,得到最优特征子集;多次对最优特征子集进行随机采样,得到多个第二样本;使用YCSB获取每个第二样本的数据库响应延迟,作为数据库性能标签;获取多个数据库运行环境,基于性能基准测试工具进行压力测试,得到每个数据库运行环境下的性能评价指标;将所有第二样本、所有性能评价指标以及数据库性能标签输入至基于贝叶斯优化的XGBoost模型中进行拟合,得到性能预测模型;将待测数据库的配置参数空间和性能评价指标输入至性能预测模型中,完成性能预测;优点是提高了数据库性能预测结果的准确性和可靠性。
技术关键词
性能预测方法
随机森林模型
性能预测模型
样本
物理硬盘
参数
测试工具
指标
标签
构建决策树
内存
判断准则
搜索算法
速率
基准
数据
压力
网络
系统为您推荐了相关专利信息
协同完好性监测
完好性监测方法
LEO卫星
服务评估方法
贝叶斯概率模型
氧分压传感器
温压补偿方法
BP神经网络
环境压力传感器
TEC温度控制器