本技術涉及數據庫，尤其涉及一種數據庫參數的自動調優方法、裝置及電子設備。

背景技術：

1、隨著互聯網和物聯網等技術的迅猛發展，數據量呈爆炸性增長，傳統的集中式數據庫在處理大規模數據時面臨著顯著的性能瓶頸和存儲限制。在這一背景下，分布式數據庫應運而生，并迅速發展。與單機數據庫相比，分布式數據庫系統結構更加復雜，涉及多個節點和組件的協同工作。不同組件之間的相互影響，使得分布式數據庫具有數百個可調參數，這些參數的設置直接決定了數據庫的性能表現，包括讀寫性能、存儲容量、穩定性等方面。然而，分布式數據庫的默認參數配置通常并非最佳，必須根據具體場景和需求進行調整，以最大化系統的整體性能。當前，大多數實際應用場景仍依賴經驗豐富的數據庫管理員(dba)手動進行參數設置和調優。雖然dba憑借經驗可以做出合理配置，但手動調優既耗時費力，又容易受到人為錯誤的影響。隨著數據規模的不斷擴大和復雜性的增加，傳統的手動調優方式已難以滿足現代數據庫對性能和效率的要求。

技術實現思路

1、本技術提供了一種數據庫參數的自動調優方法、裝置以及電子設備，以解決手動調優方式難以滿足數據庫對性能和效率的要求的技術問題。

2、第一方面，本技術提供了一種數據庫參數的自動調優方法，包括：獲取初始數據庫的可調參數集和狀態數據，其中，上述狀態數據包括上述初始數據庫運行前的狀態數據和上述初始數據庫運行前后的狀態數據；根據上述狀態數據，分析確定上述初始數據庫的負載類型，并根據上述初始數據庫的負載類型確定出目標參數調優模型，其中，一種上述負載類型對應一種上述目標參數調優模型；使用最小二乘法對上述可調參數集進行重要性識別，選出對性能影響大的第一參數集；將上述第一參數集輸入至上述目標參數調優模型，以使上述目標參數調優模型對上述第一參數集進行初次優化，得到初次優化后的第二參數集，并根據上述第二參數優化上述初始數據庫，得到初次優化后的數據庫；使用上述初次優化后的數據庫和上述目標參數調優模型對上述初次優化后的第二參數集進行多次迭代優化，得到上述初始數據庫的最優參數集。

3、第二方面，本技術提供了一種數據庫參數的自動調優裝置，包括：獲取模塊，用于獲取初始數據庫的可調參數集和狀態數據，其中，上述狀態數據包括上述初始數據庫運行前的狀態數據和上述初始數據庫運行前后的狀態數據；確定模塊，用于根據上述狀態數據，分析確定上述初始數據庫的負載類型，并根據上述初始數據庫的負載類型確定出目標參數調優模型，其中，一種上述負載類型對應一種上述目標參數調優模型；識別模塊，用于使用最小二乘法對上述可調參數集進行重要性識別，選出對性能影響大的第一參數集；第一優化模塊，用于將上述第一參數集輸入至上述目標參數調優模型，以使上述目標參數調優模型對上述第一參數集進行初次優化，得到初次優化后的第二參數集，并根據上述第二參數優化上述初始數據庫，得到初次優化后的數據庫；第二優化模塊，用于使用上述初次優化后的數據庫和上述目標參數調優模型對上述初次優化后的第二參數集進行多次迭代優化，得到上述初始數據庫的最優參數集。

4、作為一種可選的示例，上述獲取模塊包括：第一獲取單元，用于重啟上述初始數據庫，獲取上述初始數據庫運行前的狀態數據；第二獲取單元，用于運行上述初始數據庫，并在上述初始數據庫運行結束后，獲取上述初始數據庫運行后的狀態數據；初始化單元，用于初始化上述初始數據庫。

5、作為一種可選的示例，上述確定模塊包括：提取單元，用于從上述狀態數據中提取特征；第一識別單元，用于基于上述特征與歷史狀態數據進行對比，識別出與上述特征最相似的負載類型，其中，上述負載類型包括事務型負載、分析型負載以及混合型負載。

6、作為一種可選的示例，上述確定模塊包括：第一確定單元，用于在上述初始數據庫的負載類型為事務型負載的情況下，確定上述目標參數調優模型為遺傳算法模型；第二確定單元，用于在上述初始數據庫的負載類型為分析型負載的情況下，確定上述目標參數調優模型為貝葉斯優化模型；第三確定單元，用于在上述初始數據庫的負載類型為混合型負載的情況下，確定上述目標參數調優模型為深度強化學習算法模型。

7、作為一種可選的示例，上述裝置還包括：處理模塊，用于在使用最小二乘法對上述可調參數集進行重要性識別，選出對性能影響大的第一參數集之前，對上述可調參數集的每個參數值進行歸一化處理，以使上述可調參數集的每個參數值都歸一化到目標范圍內。

8、作為一種可選的示例，上述裝置還包括：訓練模塊，用于在將上述第一參數集輸入至上述目標參數調優模型，以使上述目標參數調優模型對上述第一參數集進行初次優化，得到初次優化后的第二參數集之前，根據歷史狀態數據和歷史參數集對初始參數調優模型進行目標次數的迭代訓練，并在經過目標次數迭代訓練后，得到上述目標參數調優模型。

9、作為一種可選的示例，上述第一優化模塊包括：第三獲取單元，用于獲取第m次優化所用到的第二參數集和數據庫，其中，上述m為大于1的正整數，上述第m次優化所用到的第二參數集為第m-1次優化后的第二參數集，上述第m次優化所用到的數據庫為第m-1次優化后的數據庫；第四獲取單元，用于獲取上述第m次優化所用到的數據庫的可調參數集和狀態數據；第四確定單元，用于根據上述第m次優化所用到的數據庫的狀態數據，分析確定上述第m次優化所用到的數據庫的負載類型；第五確定單元，用于根據上述第m次優化所用到的數據庫的負載類型，確定出上述第m次優化所用到的目標參數調優模型；第二識別單元，用于使用上述最小二乘法對上述第m次優化所用到的數據庫的可調參數集進行重要性識別，選出對性能影響大的第m次優化所用到的第一參數集；第一優化單元，用于將上述第m次優化所用到的第一參數集輸入至上述第m次優化所用到的目標參數調優模型，以使上述第m次優化所用到的目標參數調優模型對上述第m次優化所用到的第一參數集進行第m次優化，得到第m次優化后的第二參數集；第三優化單元，用于根據上述第m次優化后的第二參數優化上述第m次優化所用到的數據庫，得到第m次優化后的數據庫；第四優化單元，用于更新m＝m+1，并執行第m+1次優化，直到上述m等于目標閾值，得到最后次優化后的第二參數集，并將上述最后次優化后的第二參數集確定為上述最優參數集。

10、第三方面，本技術提供了一種存儲介質，該存儲介質中存儲有計算機程序，其中，該計算機程序被處理器運行時執行上述數據庫參數的自動調優方法。

11、第四方面，本技術還提供了一種電子設備，包括存儲器和處理器，上述存儲器中存儲有計算機程序，上述處理器被設置為通過所述計算機程序執行上述的數據庫參數的自動調優方法。

12、本技術實施例提供的上述技術方案與現有技術相比具有如下優點：

13、本技術采用了獲取初始數據庫的可調參數集和狀態數據，其中，上述狀態數據包括上述初始數據庫運行前的狀態數據和上述初始數據庫運行前后的狀態數據；根據上述狀態數據，分析確定上述初始數據庫的負載類型，并根據上述初始數據庫的負載類型確定出目標參數調優模型，其中，一種上述負載類型對應一種上述目標參數調優模型；使用最小二乘法對上述可調參數集進行重要性識別，選出對性能影響大的第一參數集；將上述第一參數集輸入至上述目標參數調優模型，以使上述目標參數調優模型對上述第一參數集進行初次優化，得到初次優化后的第二參數集，并根據上述第二參數優化上述初始數據庫，得到初次優化后的數據庫；使用上述初次優化后的數據庫和上述目標參數調優模型對上述初次優化后的第二參數集進行多次迭代優化，得到上述初始數據庫的最優參數集的方法，由于在上述方法中，通過準確識別負載類型、選擇合適的參數調優模型、進行參數重要性識別，并通過多輪迭代優化，能夠逐步獲得最優的參數配置，這一系列自動化的參數調優過程，從而實現了不僅能提高數據庫在當前負載下的響應能力和處理能力，還能夠適應未來不同負載需求，實現持續優化，極大地提高分布式數據庫系統的性能、穩定性和資源利用效率的目的，進而解決了手動調優方式難以滿足數據庫對性能和效率的要求的技術問題。