CN109947745A - 一种数据库优化方法及装置 - Google Patents
一种数据库优化方法及装置 Download PDFInfo
- Publication number
- CN109947745A CN109947745A CN201910243275.0A CN201910243275A CN109947745A CN 109947745 A CN109947745 A CN 109947745A CN 201910243275 A CN201910243275 A CN 201910243275A CN 109947745 A CN109947745 A CN 109947745A
- Authority
- CN
- China
- Prior art keywords
- individual
- database
- population
- performance
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000000153 supplemental effect Effects 0.000 claims abstract description 50
- 238000011056 performance test Methods 0.000 claims abstract description 38
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 238000012512 characterization method Methods 0.000 claims abstract description 5
- 230000035772 mutation Effects 0.000 claims description 32
- 230000000875 corresponding effect Effects 0.000 claims description 16
- 238000012986 modification Methods 0.000 claims description 11
- 230000004048 modification Effects 0.000 claims description 11
- 230000007547 defect Effects 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 description 5
- 238000012804 iterative process Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种数据库优化方法及装置，方法包括：首先根据数据库已有的参数数据和相应的性能测试数据，对参数数据和性能测试数据进行拟合，获得表征数据库参数和数据库性能的关系的拟合结果，然后根据获得的拟合结果，找出能够使数据库性能比当前数据库性能更优的参数数据，并根据找出的参数数据配置数据库，对配置后的数据库进行性能测试，获得相应的性能测试数据，进一步将新获得的性能测试数据输出给用户，若用户根据新获得的性能测试数据指示不停止寻优，则再次寻找更优的参数配置。本发明数据库优化方法及装置能够为数据库寻找出更优的参数配置，能够协助数据库使用者对数据库优化，与现有技术相比能够降低用人成本，并提高效率。
Description
技术领域
本发明涉及数据库技术领域，特别是涉及一种数据库优化方法及装置。
背景技术
在信息技术领域，数据库作为信息技术服务的基础组件，几乎无处不在，同时数据库也是信息技术服务的关键组件之一，绝大多数数据信息会被有组织地存储在数据库中，数据库承担着来自应用系统的数据读写操作，因此数据库性能的高低对整个服务系统有很重要的影响。
正因为此，各阶段都关注着对数据库的优化，比如，从数据库软件提供商的技术更新，到服务器厂商的硬件性能提升以及存储性能优化，再到数据库使用者的应用优化等。然而现有技术中，对于数据库使用者，对数据库优化需要根据数据库硬件资源的情况来调整数据库的配置参数，需要用户具备很深的数据库专业知识，因此会造成很高的用人成本。其次，优化过程中用户要根据数据库负载和服务系统的资源大小逐步调整配置参数，直到达到目标性能要求，需要投入大量的时间成本。
发明内容
本发明的目的是提供一种数据库优化方法及装置，能够协助数据库使用者对数据库优化，与现有技术相比能够降低用人成本，并提高效率。
为实现上述目的，本发明提供以下技术方案：
一种数据库优化方法，包括：
步骤S10：根据数据库已有的参数数据和相应的性能测试数据，对参数数据和性能测试数据进行拟合，获得表征数据库参数和数据库性能的关系的拟合结果；
步骤S11：根据获得的拟合结果，找出能够使数据库性能比当前数据库性能更优的参数数据，并根据找出的参数数据配置数据库，对配置后的数据库进行性能测试，获得相应的性能测试数据；
步骤S12：将新获得的性能测试数据输出给用户，若用户根据新获得的性能测试数据指示不停止寻优，则进入步骤S10。
优选的，所述步骤S10包括：
步骤S100：设定种群大小、进化代数、交叉概率以及变异概率；
步骤S101：生成种群，所述种群的个体为根据一组参数数据编码获得；
步骤S102：判断随机生成的随机数是否大于设定的交叉概率，若是，则进入步骤S103，若否，则进入步骤S104；
步骤S103：对当前种群的每一个体进行变异操作，变异操作包括随机修改个体的编码数据；
步骤S104：对当前种群的每一个体进行交叉操作，交叉操作包括从当前种群中随机选择与该个体进行配对的个体，将两个体的部分编码数据交换；
步骤S105：对于当前种群的每一个体，计算个体的适应度以及该个体经变异操作或者交叉操作后的个体的适应度，根据两者的适应度将两者中的较优良个体加入新种群，获得进化后的种群，这里所述的个体的适应度是指根据个体描述的数据库参数和数据库性能的关系计算出的性能和数据库以相同参数数据配置时的实际性能之间的差异；
步骤S106：判断迭代次数是否达到设定的进化代数，若否，则迭代次数加一，并进入步骤S102；若是，则将进化后的种群中最优良的个体所描述的数据库参数和数据库性能的关系作为拟合结果。
优选的，生成种群包括：
确定个体的操作符集和操作数集；
从所述操作符集或者所述操作数集中随机选择操作符或者操作数，若选到操作符，则将该操作符作为节点生长子树，直至该操作符的子树创建完成；若选到操作数，则当前节点的子树创建完成，直到所有节点的子树都创建完成，将创建得到的编码树作为个体的编码数据。
优选的，根据预设的第一适应度函数计算个体的适应度，第一适应度函数表示为：其中PRAMn表示第n组数据库参数数据，k表示共有k组参数数据参与拟合，F表示个体所描述的数据库参数和数据库性能的关系函数，P(PRAMn)表示数据库以第n组参数数据配置时的数据库实际性能。
优选的，对个体进行变异操作包括：修改个体的编码数据中的任意一节点；
对个体进行交叉操作包括：在个体的编码数据中随机生成一个交叉点，将个体的编码数据中在交叉点处的子树和与该个体配对的个体的编码数据中在交叉点处的子树交换。
优选的，根据获得的拟合结果，找出能够使数据库性能比当前数据库性能更优的参数数据包括：
步骤S110：设定种群大小、进化代数、交叉概率以及变异概率；
步骤S111：生成种群，所述种群的个体为根据随机生成的一组参数数据编码获得；
步骤S112：判断随机生成的随机数是否大于设定的交叉概率，若是，则进入步骤S113，若否，则进入步骤S114；
步骤S113：对当前种群的每一个体进行变异操作，变异操作包括随机修改个体的编码数据；
步骤S114：对当前种群的每一个体进行交叉操作，交叉操作包括从当前种群中随机选择与该个体进行配对的个体，将两个体的部分编码数据交换；
步骤S115：对于当前种群的每一个体，计算个体的适应度以及该个体经变异操作或者交叉操作后的个体的适应度，根据两者的适应度将两者中的较优良个体加入新种群，获得进化后的种群，这里所述的个体的适应度是指根据获得的拟合结果表示的数据库参数和数据库性能的关系计算出的结果；
步骤S116：判断迭代次数是否达到设定的进化代数，若否，则迭代次数加一，并进入步骤S112；若是，则将进化后的种群中最优良的个体输出。
优选的，生成种群包括：将一组参数数据中每一配置参数的值作为编码元素，按照预设顺序将各个配置参数的值排列而构成数组，作为个体的编码数据。
优选的，根据预设的第二适应度函数计算个体的适应度，第二适应度函数表示为：FitGA(ind)＝F(ind)，其中F表示拟合结果函数，表示数据库参数和数据库性能的关系。
优选的，对个体进行变异操作包括：修改个体的编码数据中任意一个配置参数的值，修改后的值为在该配置参数的取值范围内的随机值；
对个体进行交叉操作包括：在个体的编码数据中随机生成一个交叉点，个体以及与该个体配对的个体的编码数据分别被交叉点分成两部分，将个体的编码数据被分出的一部分和与该个体配对的个体的编码数据被分出的相应部分交换。
一种数据库优化装置，用于执行以上所述的数据库优化方法。
由上述技术方案可知，本发明所提供的数据库优化方法及装置，首先根据数据库已有的参数数据和相应的性能测试数据，对参数数据和性能测试数据进行拟合，获得表征数据库参数和数据库性能的关系的拟合结果，然后根据获得的拟合结果，找出能够使数据库性能比当前数据库性能更优的参数数据，并根据找出的参数数据配置数据库，对配置后的数据库进行性能测试，获得相应的性能测试数据，进一步将新获得的性能测试数据输出给用户，若用户根据新获得的性能测试数据指示不停止寻优，则再次为数据库寻找更优的参数配置。本发明数据库优化方法及装置能够为数据库寻找出更优的参数配置，能够协助数据库使用者对数据库优化，与现有技术相比能够降低用人成本，并提高效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种数据库优化方法的流程图；
图2为本发明实施例中对已有的参数数据和性能测试数据进行拟合的方法流程图；
图3为本发明实施例中找出使数据库性能比当前数据库性能更优的参数数据的方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
请参考图1，图1为本发明实施例提供的一种数据库优化方法的流程图。由图可知，本实施例数据库优化方法包括以下步骤：
步骤S10：根据数据库已有的参数数据和相应的性能测试数据，对参数数据和性能测试数据进行拟合，获得表征数据库参数和数据库性能的关系的拟合结果。
数据库已有的参数数据是指数据库已配置过的配置参数数据。数据库参数可包括缓存池数、缓存池大小、读线程数、写线程数、日志大小或者是否开启查询缓存等配置参数。
参数数据相应的性能测试数据是指将数据库按照该参数数据配置后，对数据库进行性能测试而得到的性能测试数据。
根据数据库已有的参数数据和相应的性能测试数据进行拟合，拟合得到表征数据库参数和数据库性能的关系的拟合结果。在一种具体实施方式中，请参考图2，对已有的参数数据和性能测试数据进行拟合的过程具体包括以下步骤：
S100：设定种群大小、进化代数、交叉概率以及变异概率。
种群大小是指种群包括的个体数，进化代数是指最大迭代次数，交叉概率和变异概率是根据实际需求设定的概率数值。
S101：生成种群，所述种群的个体为根据一组参数数据编码获得。
在本实施方式中，生成个体是采用树形编码方式获得，生成种群包括以下步骤：
S1010：确定个体的操作符集和操作数集。
首先设定个体树深度，个体树深度是指针对个体生成的编码树的最大深度。示例性的，操作符集可以是{+，-，*，/，log，exp}，但不限于此，在实际应用中可设置其它字符。操作数集表示为{x1，x2，x3，…，xn}，n的值与配置项数量相同。
S1011：从所述操作符集或者所述操作数集中随机选择操作符或者操作数，若选到操作符，则将该操作符作为节点生长子树，直至该操作符的子树创建完成；若选到操作数，则当前节点的子树创建完成，直到所有节点的子树都创建完成，将创建得到的编码树作为个体的编码数据。
根据上述过程生成种群中每一个体的树形编码数据，生成整个种群的个体。
S102：判断随机生成的随机数是否大于设定的交叉概率，若是，则进入步骤S103，若否，则进入步骤S104。
需要先随机生成一个随机数，在具体实施时随机数为(0,1)范围内的数值，可按照在该范围内均匀分布取值而生成随机数。在每一次迭代过程中会新生成一个随机数。
S103：对当前种群的每一个体进行变异操作，变异操作包括随机修改个体的编码数据。
本实施方式中，个体的编码数据是树形结构的编码数据，对个体进行变异操作具体可包括：修改个体的编码数据中的任意一节点。具体可以修改操作符节点，也可以修改数值节点，当修改操作符节点时需要重新生成该节点的子树，生成过程随机进行。
S104：对当前种群的每一个体进行交叉操作，交叉操作包括从当前种群中随机选择与该个体进行配对的个体，将两个体的部分编码数据交换。
对个体进行交叉操作需要先从种群中选择出与该个体进行配对的个体，具体可以随机地从种群中选出一个体作为配对个体。可选的本实施方式中，对个体进行交叉操作具体可包括：在个体的编码数据中随机生成一个交叉点，将个体的编码数据中在交叉点处的子树和与该个体配对的个体的编码数据中在交叉点处的子树交换，从而完成对两个体的交叉操作。
S105：对于当前种群的每一个体，计算个体的适应度以及该个体经变异操作或者交叉操作后的个体的适应度，根据两者的适应度将两者中的较优良个体加入新种群，获得进化后的种群，这里所述的个体的适应度是指根据个体描述的数据库参数和数据库性能的关系计算出的性能和数据库以相同参数数据配置时的实际性能之间的差异。
可根据预设的第一适应度函数计算个体的适应度，第一适应度函数表示为：其中PRAMn表示第n组数据库参数数据，k表示共有k组参数数据参与拟合，F表示个体所描述的数据库参数和数据库性能的关系函数，P(PRAMn)表示数据库以第n组参数数据配置时的数据库实际性能。通过对个体的编码树按照前序遍历的方式进行遍历，能够得到函数表达式。
对于当前种群的每一个体，比较个体的适应度和该个体经变异操作或者交叉操作后的个体的适应度，根据两者的适应度反映出哪一个体更为优良，则将较优良的个体加入新种群，而淘汰掉另一者。本实施方式中采用以上所述的适应度函数计算适应度，适应度小的个体为较优良个体。
S106：判断迭代次数是否达到设定的进化代数，若否，则迭代次数加一，并进入步骤S102；若是，则将进化后的种群中最优良的个体所描述的数据库参数和数据库性能的关系作为拟合结果。
若迭代次数没有达到设定的进化代数，则进入下一迭代过程，进入步骤S102。若迭代次数已达到设定的进化代数，则输出当前获得的进化后的种群中最优良的个体，具体根据各个体的适应度选出其中的最优良个体，将最优良的个体所描述的数据库参数和数据库性能的关系作为拟合结果。
步骤S11：根据获得的拟合结果，找出能够使数据库性能比当前数据库性能更优的参数数据，并根据找出的参数数据配置数据库，对配置后的数据库进行性能测试，获得相应的性能测试数据。
具体的，请参考图3，在一种实施方式中根据获得的拟合结果找出能够使数据库性能比当前数据库性能更优的参数数据的方法可以采用以下过程，具体包括步骤：
S110：设定种群大小、进化代数、交叉概率以及变异概率。
种群大小是指种群包括的个体数，进化代数是指最大迭代次数，交叉概率和变异概率是根据实际需求设定的概率数值。
S111：生成种群，所述种群的个体为根据随机生成的一组参数数据编码获得。
在一种实施方式中，生成种群包括：将一组参数数据中每一配置参数的值作为编码元素，按照预设顺序将各个配置参数的值排列而构成数组，作为个体的编码数据。具体包括以下步骤：
S1110：确定各配置参数的取值范围。
S1111：确定将各配置参数进行排列的预设顺序。
S1112：分别根据各配置参数的取值范围，随机生成各配置参数的值，按照所述预设顺序将各配置参数的值排列而生成数据组，得到个体的编码数据。针对某一配置参数随机生成的值位于该配置参数的取值范围内，即在该配置参数的取值范围内随机生成该配置参数的值。按照编码顺序即确定的预设顺序将生成的数据组成矩阵，这样完成一个个体的生成。根据此过程生成整个种群的个体。
S112：判断随机生成的随机数是否大于设定的交叉概率，若是，则进入步骤S113，若否，则进入步骤S114。
需要先随机生成一个随机数，在具体实施时随机数为(0,1)范围内的数值，可按照在该范围内均匀分布生成随机数。在每一次迭代过程中会新生成一个随机数。
S113：对当前种群的每一个体进行变异操作，变异操作包括随机修改个体的编码数据。
本实施方式中，个体的编码数据是由一组配置参数的值构成的数组，对个体进行变异操作即随机修改个体的编码数据，具体可包括：修改个体的编码数据中任意一个配置参数的值，修改后的值为在该配置参数的取值范围内的随机值。
S114：对当前种群的每一个体进行交叉操作，交叉操作包括从当前种群中随机选择与该个体进行配对的个体，将两个体的部分编码数据交换。
对个体进行交叉操作需要先从种群中选择出与该个体进行配对的个体，具体可以随机地从种群中选出一个体作为配对个体。可选的，对个体进行交叉操作具体可包括：在个体的编码数据中随机生成一个交叉点，个体以及与该个体配对的个体的编码数据分别被交叉点分成两部分，将个体的编码数据被分出的一部分和与该个体配对的个体的编码数据被分出的相应部分交换。从个体的编码数据中设置的交叉点位置大于0小于数组长度。示例性的，个体A为[1,2,3,4,5]，个体B为[6,7,8,9,10]，随机交叉点为3，则进行交叉操作后的个体分别为[6,7,8,4,5]和[1,2,3,9,10]。
S115：对于当前种群的每一个体，计算个体的适应度以及该个体经变异操作或者交叉操作后的个体的适应度，根据两者的适应度将两者中的较优良个体加入新种群，获得进化后的种群，这里所述的个体的适应度是指根据获得的拟合结果表示的数据库参数和数据库性能的关系计算出的结果。
可根据预设的第二适应度函数计算个体的适应度，第二适应度函数表示为：FitGA(ind)＝F(ind)，其中F表示拟合结果函数，表示数据库参数和数据库性能的关系。
对于当前种群的每一个体，比较个体的适应度和该个体经变异操作或者交叉操作后的个体的适应度，根据两者的适应度反映出哪一个体更为优良，则将较优良的个体加入新种群，而淘汰掉另一者。本实施方式中采用以上所述的适应度函数计算适应度，适应度大的个体为优良个体。
S116：判断迭代次数是否达到设定的进化代数，若否，则迭代次数加一，并进入步骤S112；若是，则将进化后的种群中最优良的个体输出。
若迭代次数没有达到设定的进化代数，则进入下一迭代过程，进入步骤S112。若迭代次数已达到设定的进化代数，则输出当前获得的进化后的种群中最优良的个体，具体根据各个体的适应度选出其中的最优良个体。
在根据获得的拟合结果找出能够使数据库性能比当前数据库性能更优的参数数据之后，根据找出的参数数据配置数据库，对配置后的数据库进行性能测试，获得相应的性能测试数据。
在具体实施时，优选的，可以将获得的能够使数据库性能比当前数据库性能更优的参数数据存储到指定位置的文件内，将获得的性能测试数据存储到指定位置的文件内，这样在进行下一次寻优时能够直接从指定文件内获取数据，进行寻优过程。
步骤S12：将新获得的性能测试数据输出给用户，若用户根据所述性能测试数据指示不停止寻优，则进入步骤S10。
将新获得的性能测试数据输出给用户，若用户根据获得的性能测试结果认为在当前配置下数据库的性能满足要求，则可以指示停止数据库寻优。若用户对当前配置获得的性能测试结果不满意，可以指示不停止寻优，则进入下一寻优过程。
因此，本实施例数据库优化方法能够为数据库寻找出更优的参数配置，能够协助数据库使用者对数据库优化，与现有技术相比能够降低用人成本，并提高效率。
相应的，本发明实施例还提供一种数据库优化装置，用于执行以上所述的数据库优化方法。
本实施例数据库优化装置，首先根据数据库已有的参数数据和相应的性能测试数据，对参数数据和性能测试数据进行拟合，获得表征数据库参数和数据库性能的关系的拟合结果，然后根据获得的拟合结果，找出能够使数据库性能比当前数据库性能更优的参数数据，并根据找出的参数数据配置数据库，对配置后的数据库进行性能测试，获得相应的性能测试数据，进一步将新获得的性能测试数据输出给用户，若用户根据新获得的性能测试数据指示不停止寻优，则再次为数据库寻找更优的参数配置。本实施例数据库优化装置能够为数据库寻找出更优的参数配置，能够协助数据库使用者对数据库优化，与现有技术相比能够降低用人成本，并提高效率。
以上对本发明所提供的一种数据库优化方法及装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种数据库优化方法，其特征在于，包括：
步骤S10：根据数据库已有的参数数据和相应的性能测试数据，对参数数据和性能测试数据进行拟合，获得表征数据库参数和数据库性能的关系的拟合结果；
步骤S11：根据获得的拟合结果，找出能够使数据库性能比当前数据库性能更优的参数数据，并根据找出的参数数据配置数据库，对配置后的数据库进行性能测试，获得相应的性能测试数据；
步骤S12：将新获得的性能测试数据输出给用户，若用户根据新获得的性能测试数据指示不停止寻优，则进入步骤S10。
2.根据权利要求1所述的数据库优化方法，其特征在于，所述步骤S10包括：
步骤S100：设定种群大小、进化代数、交叉概率以及变异概率；
步骤S101：生成种群，所述种群的个体为根据一组参数数据编码获得；
步骤S102：判断随机生成的随机数是否大于设定的交叉概率，若是，则进入步骤S103，若否，则进入步骤S104；
步骤S103：对当前种群的每一个体进行变异操作，变异操作包括随机修改个体的编码数据；
步骤S104：对当前种群的每一个体进行交叉操作，交叉操作包括从当前种群中随机选择与该个体进行配对的个体，将两个体的部分编码数据交换；
步骤S105：对于当前种群的每一个体，计算个体的适应度以及该个体经变异操作或者交叉操作后的个体的适应度，根据两者的适应度将两者中的较优良个体加入新种群，获得进化后的种群，这里所述的个体的适应度是指根据个体描述的数据库参数和数据库性能的关系计算出的性能和数据库以相同参数数据配置时的实际性能之间的差异；
步骤S106：判断迭代次数是否达到设定的进化代数，若否，则迭代次数加一，并进入步骤S102；若是，则将进化后的种群中最优良的个体所描述的数据库参数和数据库性能的关系作为拟合结果。
3.根据权利要求2所述的数据库优化方法，其特征在于，生成种群包括：
确定个体的操作符集和操作数集；
从所述操作符集或者所述操作数集中随机选择操作符或者操作数，若选到操作符，则将该操作符作为节点生长子树，直至该操作符的子树创建完成；若选到操作数，则当前节点的子树创建完成，直到所有节点的子树都创建完成，将创建得到的编码树作为个体的编码数据。
4.根据权利要求2所述的数据库优化方法，其特征在于，根据预设的第一适应度函数计算个体的适应度，第一适应度函数表示为：其中PRAMn表示第n组数据库参数数据，k表示共有k组参数数据参与拟合，F表示个体所描述的数据库参数和数据库性能的关系函数，P(PRAMn)表示数据库以第n组参数数据配置时的数据库实际性能。
5.根据权利要求2所述的数据库优化方法，其特征在于，对个体进行变异操作包括：修改个体的编码数据中的任意一节点；
对个体进行交叉操作包括：在个体的编码数据中随机生成一个交叉点，将个体的编码数据中在交叉点处的子树和与该个体配对的个体的编码数据中在交叉点处的子树交换。
6.根据权利要求1所述的数据库优化方法，其特征在于，根据获得的拟合结果，找出能够使数据库性能比当前数据库性能更优的参数数据包括：
步骤S110：设定种群大小、进化代数、交叉概率以及变异概率；
步骤S111：生成种群，所述种群的个体为根据随机生成的一组参数数据编码获得；
步骤S112：判断随机生成的随机数是否大于设定的交叉概率，若是，则进入步骤S113，若否，则进入步骤S114；
步骤S113：对当前种群的每一个体进行变异操作，变异操作包括随机修改个体的编码数据；
步骤S114：对当前种群的每一个体进行交叉操作，交叉操作包括从当前种群中随机选择与该个体进行配对的个体，将两个体的部分编码数据交换；
步骤S115：对于当前种群的每一个体，计算个体的适应度以及该个体经变异操作或者交叉操作后的个体的适应度，根据两者的适应度将两者中的较优良个体加入新种群，获得进化后的种群，这里所述的个体的适应度是指根据获得的拟合结果表示的数据库参数和数据库性能的关系计算出的结果；
步骤S116：判断迭代次数是否达到设定的进化代数，若否，则迭代次数加一，并进入步骤S112；若是，则将进化后的种群中最优良的个体输出。
7.根据权利要求6所述的数据库优化方法，其特征在于，生成种群包括：将一组参数数据中每一配置参数的值作为编码元素，按照预设顺序将各个配置参数的值排列而构成数组，作为个体的编码数据。
8.根据权利要求6所述的数据库优化方法，其特征在于，根据预设的第二适应度函数计算个体的适应度，第二适应度函数表示为：FitGA(ind)＝F(ind)，其中F表示拟合结果函数，表示数据库参数和数据库性能的关系。
9.根据权利要求6所述的数据库优化方法，其特征在于，对个体进行变异操作包括：修改个体的编码数据中任意一个配置参数的值，修改后的值为在该配置参数的取值范围内的随机值；
对个体进行交叉操作包括：在个体的编码数据中随机生成一个交叉点，个体以及与该个体配对的个体的编码数据分别被交叉点分成两部分，将个体的编码数据被分出的一部分和与该个体配对的个体的编码数据被分出的相应部分交换。
10.一种数据库优化装置，其特征在于，用于执行权利要求1-9任一项所述的数据库优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910243275.0A CN109947745B (zh) | 2019-03-28 | 2019-03-28 | 一种数据库优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910243275.0A CN109947745B (zh) | 2019-03-28 | 2019-03-28 | 一种数据库优化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109947745A true CN109947745A (zh) | 2019-06-28 |
| CN109947745B CN109947745B (zh) | 2021-08-20 |
Family
ID=67012175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910243275.0A Active CN109947745B (zh) | 2019-03-28 | 2019-03-28 | 一种数据库优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109947745B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009102899A1 (en) * | 2008-02-12 | 2009-08-20 | Codexis, Inc. | Method of generating an optimized diverse population of variants |
| CN102770889A (zh) * | 2009-11-10 | 2012-11-07 | 英根亚控股有限公司 | 优化 |
| CN104008233A (zh) * | 2014-05-12 | 2014-08-27 | 北京航空航天大学 | 一种空间飞网装置参数优化设计系统和优化方法 |
| CN104572993A (zh) * | 2015-01-06 | 2015-04-29 | 浪潮电子信息产业股份有限公司 | 一种基于遗传算法的分类算法参数优化方法 |
| US20150379075A1 (en) * | 2014-06-30 | 2015-12-31 | International Business Machines Corporation | Maintaining diversity in multiple objective function solution optimization |
| CN106648654A (zh) * | 2016-12-20 | 2017-05-10 | 深圳先进技术研究院 | 一种数据感知的Spark配置参数自动优化方法 |
| CN106875032A (zh) * | 2016-12-23 | 2017-06-20 | 首都师范大学 | 一种流域农业非点源污染控制措施的优化配置方法 |
| US20170351805A1 (en) * | 2014-12-26 | 2017-12-07 | National University Corporation Tohoku University | Method for determining genotype of particular gene locus group or individual gene locus, determination computer system and determination program |
| CN107991869A (zh) * | 2017-11-29 | 2018-05-04 | 海安县申菱电器制造有限公司 | 一种曳引机自适应控制系统 |
| CN108234177A (zh) * | 2016-12-21 | 2018-06-29 | 深圳先进技术研究院 | 一种HBase配置参数自动调优方法及装置、用户设备 |
| CN108536107A (zh) * | 2018-05-14 | 2018-09-14 | 浙江大学 | 基于混合型优化参数的群智能寻优故障诊断系统 |
-
2019
- 2019-03-28 CN CN201910243275.0A patent/CN109947745B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009102899A1 (en) * | 2008-02-12 | 2009-08-20 | Codexis, Inc. | Method of generating an optimized diverse population of variants |
| CN102770889A (zh) * | 2009-11-10 | 2012-11-07 | 英根亚控股有限公司 | 优化 |
| CN104008233A (zh) * | 2014-05-12 | 2014-08-27 | 北京航空航天大学 | 一种空间飞网装置参数优化设计系统和优化方法 |
| US20150379075A1 (en) * | 2014-06-30 | 2015-12-31 | International Business Machines Corporation | Maintaining diversity in multiple objective function solution optimization |
| US20170351805A1 (en) * | 2014-12-26 | 2017-12-07 | National University Corporation Tohoku University | Method for determining genotype of particular gene locus group or individual gene locus, determination computer system and determination program |
| CN104572993A (zh) * | 2015-01-06 | 2015-04-29 | 浪潮电子信息产业股份有限公司 | 一种基于遗传算法的分类算法参数优化方法 |
| CN106648654A (zh) * | 2016-12-20 | 2017-05-10 | 深圳先进技术研究院 | 一种数据感知的Spark配置参数自动优化方法 |
| CN108234177A (zh) * | 2016-12-21 | 2018-06-29 | 深圳先进技术研究院 | 一种HBase配置参数自动调优方法及装置、用户设备 |
| CN106875032A (zh) * | 2016-12-23 | 2017-06-20 | 首都师范大学 | 一种流域农业非点源污染控制措施的优化配置方法 |
| CN107991869A (zh) * | 2017-11-29 | 2018-05-04 | 海安县申菱电器制造有限公司 | 一种曳引机自适应控制系统 |
| CN108536107A (zh) * | 2018-05-14 | 2018-09-14 | 浙江大学 | 基于混合型优化参数的群智能寻优故障诊断系统 |
Non-Patent Citations (5)
| Title |
|---|
| MARCO SILVA等: "Evolutionary features and parameter optimization of spiking neural networks for unsupervised learning", 《2014 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN)》 * |
| 张广: "基于遗传算法的Web系统参数优化方法的研究与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 杜景霏: "基于模糊聚类和遗传算法的制造资源优化配置方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 林鸿彬: "基于遗传算法的数据拟合在MATLAB环境中的实现", 《湖南农机》 * |
| 王小平等: "《遗传算法——理论、应用与软件实现》", 31 January 2002, 西安交通大学出版社 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109947745B (zh) | 2021-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Treepi: A novel graph indexing method | |
| CN105677683B (zh) | 批量数据查询方法和装置 | |
| CN112328578B (zh) | 一种基于强化学习和图注意力网络的数据库查询优化方法 | |
| CN103714058A (zh) | 数据库查询的优化 | |
| US9047272B1 (en) | System and methods for index selection in collections of data | |
| WO2009141818A1 (en) | Apparatus and method for incremental physical data clustering | |
| EP4075292A1 (en) | Method and apparatus for processing database | |
| JP6694447B2 (ja) | ビッグデータの計算方法及びシステム、プログラムならびに記録媒体 | |
| CN104021223B (zh) | 一种集群数据库测点的访问方法及装置 | |
| CN105117461B (zh) | 一种基于改进的遗传算法的查询优化方法 | |
| CN109067704A (zh) | 一种卫星遥控指令格式设计与编码管理系统及方法 | |
| CN109064126B (zh) | 基于质量驱动的水电工程计量信息管理方法 | |
| CN109815232A (zh) | 一种利用二叉查找树的数据排名的检索、数据处理的方法和系统 | |
| CN102521706A (zh) | Kpi 数据的分析方法及装置 | |
| CN110059085A (zh) | 一种面向Web 2.0的JSON数据解析与建模方法 | |
| CN108763536A (zh) | 数据库访问方法及装置 | |
| CN116244333A (zh) | 一种基于代价因子校准的数据库查询性能预测方法及系统 | |
| US8239383B2 (en) | System and method for managing execution of queries against database samples | |
| CN109947745A (zh) | 一种数据库优化方法及装置 | |
| Trummer et al. | A fast randomized algorithm for multi-objective query optimization | |
| CN110309214A (zh) | 一种指令执行方法及其设备、存储介质、服务器 | |
| CN111782663A (zh) | 一种提升聚合查询效率的聚合索引结构及聚合索引方法 | |
| CN104714956A (zh) | 一种异构记录集对比方法及装置 | |
| Henderson et al. | Blutune: Tuning up ibm db2 with ml | |
| CN108153826B (zh) | 一种基于条形码树的可视化形式比较层次结构数据的方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |