CN112685390B - 数据库实例管理方法及装置、计算设备 - Google Patents
数据库实例管理方法及装置、计算设备 Download PDFInfo
- Publication number
- CN112685390B CN112685390B CN202110301310.7A CN202110301310A CN112685390B CN 112685390 B CN112685390 B CN 112685390B CN 202110301310 A CN202110301310 A CN 202110301310A CN 112685390 B CN112685390 B CN 112685390B
- Authority
- CN
- China
- Prior art keywords
- flow
- database instance
- monitoring index
- time period
- configuration specification
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 454
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000002159 abnormal effect Effects 0.000 claims description 66
- 238000012545 processing Methods 0.000 claims description 54
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000013461 design Methods 0.000 description 19
- 238000001514 detection method Methods 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 17
- 230000000737 periodic effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请实施例提供一种数据库实例管理方法及装置、计算设备,该方法包括:确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段;针对任一个流量监测指标的历史监测数据,预测所述流量监测指标在所述第一时间段的流量走势信息,以预测获得所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息;根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,确定所述数据库实例在所述第一时间段的目标配置规格;将所述数据库实例的配置规格调整为所述目标配置规格。本申请实施例实现了数据库实例配置规格调整及时有效性。
Description
技术领域
本申请涉及电子设备技术领域,尤其涉及一种数据库实例管理方法及装置、计算设备。
背景技术
数据库可以指磁盘上一系列的物理文件。在使用数据库时,需要把磁盘上的文件读入内存才能使用,数据的读取由数据库实例实现。数据库实例可以从磁盘上将数据读入到实例内存,在实例内存中对数据进行增、删、改等操作。数据库实例运行能力、容量的高低受其配置规格的影响,数据库实例的配置规格主要是指数据库实例的内存、CPU(centralprocessing unit,中央处理器)内核数量、带宽等配置参数的具体大小,配置规格越大,数据库实例的容量越高。
现有技术中,为了确保数据库的平稳运行,可以对数据库实例的配置规格进行实时调整。在用户访问量增加时,可以扩大数据库实例的配置规格,在用户访问量降低时,可以减小数据库实例的配置规格。
但是,用户访问量的监测一般是实时进行的,再根据监测到的访问流量以进行配置规格的调整时,该调整操作需要一定的时间来完成,例如计算节点或者磁盘的调度时间,在规格调整时间内数据库实例的访问处理压力仍然存在,导致数据库实例的配置规格管理有效性较差,数据库实例配置规格调整效率较低。
发明内容
有鉴于此,本申请实施例提供一种数据库实例管理方法及装置、计算设备,用以解决现有技术中数据库流量异常时,数据库配置规格调整不够及时的技术问题。
第一方面,本申请实施例提供一种数据库实例管理方法,包括:
确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段;
针对任一个流量监测指标的历史监测数据,预测所述流量监测指标在所述第一时间段的流量走势信息,以预测获得所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息;
根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,确定所述数据库实例在所述第一时间段的目标配置规格;
将所述数据库实例的配置规格调整为所述目标配置规格。
第二方面,本申请实施例提供一种数据库实例管理方法,包括:
响应于针对数据库实例管理接口发起的实例管理请求,获取所述数据库实例管理接口对应的处理资源;
利用所述数据库实例管理接口对应的处理资源执行如下步骤:
确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段;
针对任一个流量监测指标的历史监测数据,预测所述流量监测指标在所述第一时间段的流量走势信息,以预测获得所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息;
根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,确定所述数据库实例在所述第一时间段的目标配置规格;
将所述数据库实例的配置规格调整为所述目标配置规格。
第三方面,本申请实施例提供一种数据库实例管理装置,包括:
第一确定模块,用于确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段;
走势预测模块,用于针对任一个流量监测指标的历史监测数据,预测所述流量监测指标在所述第一时间段的流量走势信息,以预测获得所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息;
第二确定模块,用于根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,确定所述数据库实例在所述第一时间段的目标配置规格;
规格调整模块,用于将所述数据库实例的配置规格调整为所述目标配置规格。
第四方面,本申请实施例提供一种计算设备,包括:存储组件与处理组件;所述存储组件用于存储一条或多条计算机指令;所述一条或多条计算机指令被所述处理组件调用以任一种数据库实例管理方法。
本申请实施例,确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段之后,可以针对任一个流量监测指标的历史监测数据,预测该流量监测指标在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对应的流量走势信息。通过数据库实例的历史监测数据,预测未来第一时间段的流量走势信息,以获得数据库实例的运行趋势,进而在根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,确定数据库实例在第一时间段的目标配置规格之后,将数据库实例的配置规格调整为目标配置规格。通过对数据库实例的流量走势进行预测,以预测数据库实例在第一时间段的目标配置规格,及时将数据库实例的配置规格调整为目标配置规格,实现数据库实例的配置规格的提前调整,可以避免因流量变化导致的数据库实例调整不够及时导致数据库使用异常,提高数据库实例的配置规格的调整有效性及准确性。
附图说明
为了更清楚地说明本申请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一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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为本申请实施例提供的一种数据库实例管理方法的一个实施例的流程图;
图2为本申请实施例提供的一种数据库实例管理方法的又一个实施例的流程图;
图3为本申请实施例提供的一种数据库实例管理方法的又一个实施例的流程图;
图4为本申请实施例提供的一种数据库实例管理方法的又一个实施例的流程图;
图5为本申请实施例提供的一种数据库实例管理方法的又一个实施例的流程图;
图6为本申请实施例提供的一种数据库实例管理方法的又一个实施例的流程图;
图7为本申请实施例提供的一种数据库实例管理方法的一个应用示例图;
图8为本申请实施例提供的一种数据库实例管理装置的一个实施例的结构示意图;
图9为本申请实施例提供的一种计算设备的一个实施例的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于识别”。类似地,取决于语境,短语“如果确定”或“如果识别(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当识别(陈述的条件或事件)时”或“响应于识别(陈述的条件或事件)”。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的商品或者系统中还存在另外的相同要素。
本申请实施例的技术方案可以应用于数据库实例的管理中,通过预测数据库实例在未来一段时间的流量走势,以对数据库实例的配置规格提前进行调整,有效提高数据库实例的管理效率。
现有技术中,数据库实例的配置规格对数据库的使用起到较大影响,当数据库实例的访问流量较高时,需要对数据库实例的配置规格进行扩大,当数据库实例的访问流量较低时,需要对数据库实例的配置规格进行减小。为了确保数据库实例的正常运行,可以实时监测数据库的访问流量,当访问流量高于第一阈值时,触发数据库实例增大配置规格,当访问流量低于第二阈值时,触发数据库实例减小配置规格。但是数据库实例扩容需要调度计算机或者磁盘等硬件设备,调度需要一定的时间,当数据库实例的访问流量变化时,数据库实例的实际访问流量与数据库实例的配置规格已经不匹配,导致数据库实例的运行异常,特别是对于访问流量的增加,会导致数据库的使用异常。
本申请实施例中,确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段之后,可以针对任一个流量监测指标的历史监测数据,预测该流量监测指标在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对应的流量走势信息。通过数据库实例的历史监测数据,预测未来第一时间段的流量走势信息,以获得数据库实例的运行趋势,进而在根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,确定数据库实例在第一时间段的目标配置规格之后,将数据库实例的配置规格调整为目标配置规格。通过对数据库实例的流量走势进行预测,以预测数据库实例在第一时间段的目标配置规格,及时将数据库实例的配置规格调整为目标配置规格,实现数据库实例的配置规格的提前调整,可以避免因流量变化导致的数据库实例规格调整不够及时导致数据库使用异常,提高数据库实例的配置规格的调整有效性及准确性。
下面将结合附图对本申请实施例进行详细描述。
如图1所示,为本申请实施例提供的一种数据库实例管理方法的一个实施例的流程图,该方法可以包括以下几个步骤:
101:确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段。
本申请提供的技术方案可以应用于计算设备中,该计算设备例如可以包括:手机、平板电脑、计算机、服务器、云服务器等,本申请实施例中对计算设备的具体类型并不作出过多限定。
可选地,流量监测指标可以为对数据库实例的访问流量进行监测的参数,至少一个流量监测指标可以从不同的方向对数据库实例的访问流量进行确认。至少一个流量监测指标可以预先确定,可以设置至少一个流量监测指标。至少一个流量监测指标可以为:cpu_usage(cpu(central processing unit中央处理器)使用率)、qps_usage(qps(Queries PerSecond,每秒查询率)使用率)、session_count(会话数量)、logic_read_count(逻辑读数据)、lock_time(锁等待时间)以及slow_sql_count(慢SQL(Structured Query Language,结构化查询语言)数量)中的一个或多个。
第一时间段可以为位于当前时间段之后的时间窗口,第一时间段可以预先设置获得。在一种可能的设计中,第一时间段的起始时间可以为当前时间,终止时间可以为当前时间与预设的时间窗口长度相加获得的时间点。在又一种可能的设计中,第一时间段的起始时间可以为当前时间与预设第一时长相加获得的时间点,第一时间段的终止时间可以为起始时间与预设的时间窗口长度相加获得的时间点。第一时长可以大于数据库实例的配置规格进行容量调整时所需要的时间。第一时间段的时长可以根据实际的使用需求设置,例如,在对流量调整较为敏感的技术领域中,可以将第一时间段的时长设置较短,在对流量调整不够敏感的技术领域中,可以将第一时间段的时长设置较长。
102:针对任一个流量监测指标的历史监测数据,预测该流量监测指标在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对应的流量走势信息。
在一种可能的设计中,可以实时获取流量监测指标的流量监测数据,以将获得的流量监测指标的流量监测数据进行存储,以便于读取及使用,历史监测数据即可以为从存储流量监测指标的流量监测数据的存储设备读取获得。存储设备可以为数据库。任一个流量监测指标的历史监测数据可以与该流量监测指标的指标标识关联存储,以便于数据读取。
任一个流量监测指标在第一时间段的流量走势信息可以根据该流量监测指标的历史监测数据预测获得。
103:根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,确定数据库实例在第一时间段的目标配置规格。
目标配置规格可以根据至少一个流量监测指标分别在第一时间段对应的流量走势信息确定。在一种可能的设计中,目标配置规格可以根据一个或多个流量监测指标在第一时间段对应的流量走势信息确定。
任一个流量监测指标的流量走势信息可以标示该流量监测指标在第一时间段的数据走向,例如,通过流量走势信息可以确认流量监测指标在第一时间段是否存在流量上升趋势,或者还可以确认流量监测指标在第一时间段是否存在流量下降趋势。
在实际应用中,当至少一个流量监测指标中一个或多个流量监测指标的流量走势信息包括上升趋势时,目标配置规格可以大于数据库实例现有的配置规格;当至少一个流量监测指标的一个或多个流量监测指标的流量走势信息包括下降趋势时,目标配置规格可以小于数据库实例现有的目标配置规格。
104:将数据库实例的配置规格调整为目标配置规格。
将数据库实例的配置规格调整为目标配置规格时,具体可以是在当前时间点,立即将数据库实例的配置规格调整为目标配置规格。
目标配置规格可以包括数据库实例的配置参数所对应的目标参数值。配置参数可以包括存储容量、内存、带宽和/或CPU内核数量等参数中的一个或多个。目标配置规格可以包括:目标存储容量、目标内存、目标带宽和/或CPU内核目标数量。其中,由于内存以及CPU内核数量对数据库实例的处理效率影响度最高,为了对数据库实例进行高效调整,配置参数可以包括内存以及CPU内核数量。
将数据库实例的配置规格调整为目标配置规格可以包括:将数据库实例的存储容量调整为目标配置规格中的目标存储容量,将数据库实例的内存调整为目标内存,将数据库实例享有的带宽调整为目标带宽和/或将数据库实例的CPU内核数量调整为目标配置规格中的CPU内核目标数量。
可选地,将数据库实例的配置规格调整为目标配置规格可以包括:根据当前配置规格与目标配置规格的规格差异,生成规格调整指令;运行规格调整指令,以按照规格调整规格指令中的规格差异执行相应的规格调整处理。例如,目标配置规格中的内存为8G,原有内存为2G时,可以将数据库实例的内存从2G调整为8G。
本申请实施例中,确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段之后,可以针对任一个流量监测指标的历史监测数据,预测该流量监测指标在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对应的流量走势信息。通过数据库实例的历史监测数据,预测未来第一时间段的流量走势信息,以获得数据库实例的运行趋势,进而在根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,确定数据库实例在第一时间段的目标配置规格之后,将数据库实例的配置规格调整为目标配置规格。通过对数据库实例的流量走势进行预测,以预测数据库实例在第一时间段的目标配置规格,及时将数据库实例的配置规格调整为目标配置规格,实现数据库实例的配置规格的提前调整,可以避免因流量变化导致的数据库实例调整不够及时导致数据库使用异常,提高数据库实例的配置规格的调整有效性及准确性。
参考图2,为本申请实施例提供的一种数据库实例管理方法的一个实施例的流程图,方法可以包括以下几个步骤:
201:确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段。
需要说明的是,本申请实施例中部分步骤与前述实施例中部分步骤相同,为了描述的准确性考虑,在此不再赘述。
202:针对任一个流量监测指标的历史监测数据,预测该流量监测指标在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对应的流量走势信息。
203:根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,判断数据库实例是否需要调整配置规格,如果是,则执行步骤204,如果否,则执行步骤206。
数据库实例的配置规格是否需要调整可以利用至少一个流量监测指标分别在第一时间段对应的流量走势信息确定。当至少一个流量监测指标分别对应的流量走势信息存在上升趋势或者下降趋势时,可以确定数据库实例的配置规格需要调整,否则,可以确定数据库实例的配置规格不需要调整。
204:确定数据库实例在第一时间段的目标配置规格。
205:将数据库实例的配置规格调整为目标配置规格。
206:保持数据库实例当前的配置规格。
本申请实施例中,在预测至少一个流量监测指标分别在第一时间段对应的流量走势信息之后,可以根据至少一个流量监测指标分别在第一时间段的流量走势信息对数据库实例的配置规格是否需要调整进行判断,通过流量走势信息的判断,可以准确确认是否需要进行配置规格的调整,进而在需要调整时,确定数据库实例在第一时间段的目标配置规格,并将数据库实例的配置规格调整为该目标配置规格。在不需要调整时,可以保持数据库实例当前的配置规格。实现数据库实例调整的准确判断,以避免执行无效调整,提高数据库实例配置规格的调整的准确度,实现有效调整。
在实际应用中,任一个流量监测指标可以对数据库实例从不同的监测角度进行监测,不同流量监测指标的监测含义不同。对数据库实例是否需要进行配置规格的调整进行判断时,可以利用流量监测指标中属于对数据库实例的负载进行监测的指标进行负载状态的确认,以进行调整判断。
作为一个实施例,根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,判断数据库实例是否需要调整配置规格可以包括:
确定至少一个流量监测指标中的负载监测指标。
判断负载监测指标在第一时间段对应的流量走势信息是否满足高负载状态。
负载监测指标可以为对数据库实例的实际运行负载所监测的指标。负载监测指标对应的流量走势信息可以用于确认数据库实例的负载状态,例如,负载监测指标可以包括:CPU使用率、qps使用率和/或会话数量等指标。负载监测指标的监测数据越大,负载越高,负载监测指标的监测数据越小,负载越低。
判断数据库实例是否需要调整配置规格即可以是判断负载监测指标对应的流量走势信息是否满足高负载状态。对负载监测指标对应的流量走势信息判断是否满足高负载状态可以包括:负载监测指标对应的监测数据大于预设数据阈值,可以确定负载监测指标的流量走势信息处于高负载状态。
可选地,当负载监测指标的流量走势信息高于预设负载阈值时,可以确定数据库实例满足高负载状态。当负载监测指标的流量走势信息低于预设负载阈值时,可以确定数据库实例未处于高负载状态。
如图3所示,为本申请实施例提供的一种数据库实例管理方法的又一个实施例的流程图,该方法可以包括以下几个步骤:
301:确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段。
本申请实施例中部分步骤与前述实施例中部分步骤相同,为了描述的简洁性考虑,在此不再赘述。
302:针对任一个流量监测指标的历史监测数据,预测该流量监测指标在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对应的流量走势信息。
303:根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,判断数据库实例是否需要调整配置规格,如果是,则执行步骤304;如果否,则执行步骤307。
304:确定引起数据库实例配置规格调整的诱因信息。
数据库实例的配置规格调整主要是数据库实例的处理速度下降,导致处理压力增加,进而对需要对数据库实例的配置规格进行调整,以降低数据库实例的处理压力,确保数据库实例的正常使用。数据库实例的处理速度下降,可以从两个角度分析产生该现象的原因:其中一个原因可以是数据库实例的访问流量变化不大,而数据库实例自身的处理出现异常,导致数据库实例处理压力增加,确认需要进行配置规格的调整;令一个原因可以是数据库实例自身的运行正常,但是访问流量增加,导致数据库实例的处理压力增加,需要进行配置规格的调整。但是,针对数据库实例访问流量变化不大而由数据库实例自身的处理出现异常现象时,可以对数据库实例进行修复,使数据库实例的运行恢复正常,以减少数据库实例的处理压力。因此,在确定数据库实例需要进行配置规格调整之后,可以进一步确定引起数据库实例配置规格调整的诱因信息。诱因信息可以包括数据库实例的访问流量异常或者数据库实例自身的处理效率异常。
引起数据库实例配置规格调整的诱因信息可以通过对至少一个流量监测指标分别对应的流量走势信息确定。
305:判断诱因信息与预置的原因信息是否匹配,如果是,则执行步骤306;如果否,则执行步骤308。
原因信息可以为数据实例自身处理效率异常。当诱因信息与预置的数据库实例自身处理效率异常相匹配,可以确定该诱因信息与预置的原因信息相匹配,则可以基于该诱因信息,生成第一提示信息,第一提示信息可以提示引起数据库实例配置规格调整的原因是数据库实例自身处理效率异常。当诱因信息与预置的原因信息相匹配时,可以不对数据库实例进行配置规格的调整,而是提醒用户修复数据库实例。
306:基于诱因信息,生成第一提示信息,以输出第一提示信息。
307:保持数据库实例当前的配置规格。
308:确定数据库实例在第一时间段的目标配置规格。
309:将数据库实例的配置规格调整为目标配置规格。
可选地,第一提示信息可以为基于诱因信息生成的提示信息,以提示数据库实例产生异常的原因为数据库实例自身的处理效率异常,提示用户修复数据库实例。例如,诱因信息为数据库实例产生死锁现象时,可以生成以数据库实例产生死锁现象为主要内容生成第一提示信息,从而第一提示信息可以提示产生数据库实例运行异常的原因是数据库实例产生死锁现象。
在实际应用中,还可以根据诱因信息生成数据库实例的修复指令,运行该修复指令,修复运行异常的数据库实例。
当数据库实例与预置的原因信息不匹配时,可以确认数据库实例需要调整配置规格的原因是数据库流量异常,而非数据库自身运行异常的原因,此时可以确认对数据库实例的配置规格进行调整。
本申请实施例中,确定数据库实例中的至少一个流量监测指标以及位于当前时间之后的第一时间段,以对预测时间进行确认。通过针对任一个流量监测指标的历史监测数据,预测该流量监测指标在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对应的流量走势信息。进而根据至少一个流量监测指标分别在第一时间段对应的流量走势信息。根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,判断数据库实例是否需要调整配置规格,如果是,则确定引起数据库实例配置规格调整的诱因信息,进而判断诱因信息与预置的原因信息是否相匹配,如果是,则基于该诱因信息,生成第一提示信息,以输出该第一提示信息,通过该第一提示信息的诱因是其他原因。如果该诱因提示信息与预置原因信息不匹配,可以保持数据库实例当前的配置规格,使得当前配置规格并不调整,而在判断数据库实例需要调整配置规格时,可以将数据库实例调整为目标配置规格。在对数据库实例是否需要调整配置规格进行判断之后,还可以确认数据库实例配置规格调整的诱因信息,以进一步对是否进行配置规格的调整进行判断,实现容量的准确调整,以避免出现无效调整,提高调整的准确度。
作为一个实施例,数据库实例配置规格调整的诱因信息的确定步骤包括:
确定至少一个流量监测指标中的效率监测指标。
如果效率监测指标在第一时间段对应的流量走势信息满足效率异常条件,确定数据库实例的处理效率异常为引起数据库实例配置规格调整的诱因信息。
此时,预置的原因信息可以包括:数据库实例的处理效率异常。
效率监测指标可以为对数据库实例的处理效率进行监测的指标。效率监测指标可以指示数据库实例的处理效率。当效率监测指标异常,可以说明数据库实例自身的处理效率异常。例如,效率监测指标可以包括:锁等待时间和/或慢SQL数量,当锁等待时间大于等待时间阈值和/或慢SQL数量高于预设查询阈值,可以确定数据库实例的效率监测指标异常,以确认数据库实例的处理效率异常。
例如,可以确定至少一个流量监测指标中锁等待时间与慢SQL数量为确定诱因的诱因指标,根据锁等待时间的流量走势信息与慢SQL数量的流量走势信息,确定引起数据库实例配置规格调整的诱因信息为数据库产生死锁现象,进而确定数据库产生死锁现象为诱因信息。此时,原因信息可以包括:数据库实例产生死锁现象。诱因信息与预置的原因信息是否匹配的判断步骤可以包括:判断诱因信息是否为数据库实例产生死锁现象,如果确定诱因信息是数据库实例产生死锁现象,确定诱因信息与预置的原因信息相匹配,如果确定诱因信息不是数据库实例产生死锁现象,确定诱因信息与预置的原因信息不匹配。
在一种可能的设计中,在确定至少一个流量监测指标中的效率监测指标之后,还可以包括:
如果效率监测指标在第一时间段对应的流量走势信息不满足效率异常条件,可以确定数据库实例的访问流量异常为引起数据库实例配置规格调整的诱因信息。
当效率检监测指标不满足异常条件时,确定数据库实例的配置规格调整不是由数据库实例处理效率异常引起,而是由数据库实例的访问流量异常引起。
任一个流量监测指标可以用于确认一个数据库实例的配置规格,以确保在该配置规格下的该流量监测指标可以切换进入正常状态。在流量监测指标包括一个或多个时,可以综合一个或多个流量监测指标分别对应的配置规格,以确定目标配置规格,进而综合考量多种指标对数据库实例的运行影响,使得数据库实例的配置规格调整更准确。
作为一个实施例,数据库实例在第一时间段对应的目标配置规格的确定步骤可以包括:将至少一个流量监测指标分别对应的流量走势信息输入预先训练获得的规格学习模型,预测获得数据实例在第一时间段对应的目标配置规格。
可选地,规格学习模型可以为机器学习模型,模型的输入为至少一个流量监测指标分别对应的流量走势信息,模型的输出为预测获得的配置规格。规格学习模型可以训练获得,具体的训练过程可以参考现有的机器学习模型的训练步骤,在此不再赘述。
如图4所示,为本申请实施例提供的一种数据库实例管理方法的又一个实施例的流程图,该方法可以包括以下几个步骤:
401:确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段。
需要说明的是,本申请实施例中部分步骤与图1等实施例中部分步骤相同,为了描述的简洁性考虑,在此不再赘述。
402:采集至少一个流量监测指标在当前时间点分别对应的第一监测数据。
403:针对任一个流量监测指标,利用流量监测指标的历史监测数据,确定该流量监测指标的数据分布特征,以获得至少一个流量监测指标分别对应的数据分布特征。
可选地,任一个流量监测指标的数据分布特征,可以通过该流量监测指标的历史监测数据的分布特征确定。可以采用分布特征检测算法的方式,预测任一个流量监测指标的历史监测数据所对应的数据分布特征。
分布特征检测算法中可以预置多种分布特征分别对应的检测算法,将任一个流量监测指标的历史监测数据输入分布特征检测算法之后,可以使用多种分布特征分别对应的检测算法检测该流量监测指标的历史监测数据是否匹配,如果检测该流量监测指标的历史监测数据满足其中一种分布特征对应的检测算法,进而确定该分布特征即为该流量监测指标所对应的数据分布特征。
进一步,可选地,任一种分布特征对应的检测算法对某个流量监测指标的历史监测数据进行匹配性检测时,可以基于该历史监测数据,按照检测算法对应的检测公式,计算特征数据,在特征数据满足一定的数据需求时,确定该历史监测数据与该分布特征的检测算法相匹配,否则不匹配。
多种分布特征可以包括:转折点分布特征、周期性分布特征以及均值漂移分布特征。若某个流量监测指标的历史监测数据不满足多种分布特征中的任一种,可以确定该流量监测指标满足无规则的分布特征。
可选地,以转折点分布特征为例,转折点分布特征的检测算法可以为检测历史监
测数据中是否存在转折点,如果是,则确定该历史监测数据满足检测算法,否则不满足。具
体可以包括:假设历史监测数据包括:,如果存在τ,使得在某个
统计特征上区别于,则确定该历史监测数据满足该转折点分布特征的
检测算法。
可选地,以周期性分布特征为例,周期性分布特征的检测算法可以为使用皮尔逊相关系数的计算公式计算历史监测数据的数据值之间的相关性,当相关性满足一定的关联需求时,确定该历史监测数据满足周期性分布特征的检测算法。相关性满足关联需求例如可以是皮尔逊相关系数大于预置相关阈值。
其中,皮尔逊相关系数的计算公式可以为:
其中,为总体相关系数,为X与Y之间的协方差cov(X,Y)与标准差的商,指
代标准差,指代均值。X、Y均可以为历史监测数据中的数据序列,时间窗口相等,且二者时
间上可以具有连续性,例如,X可以为3月10日00:00~23:59采集的历史监测数据,Y可以为3
月11日00:00~23:59采集的历史监测数据。
可选地,以均值漂移分布特征为例,均值漂移特征的检测算法可以为给定历史监
测数据的窗口长度为,可以计算之前每个历史监测数据所对应的均值漂移
值,,其中,Xt为历史监测数据,t为历史监测
数据的序列坐标。然后利用异常检测算法,确定历史监测数据分别对应的均值漂移值中的
断层点或者异常点信息,如果检测到断层点或者异常点可以确定历史监测数据具有均值漂
移的分布特征,断层点或异常点可以作为历史监测数据一种均值漂移分布特征,进而完成
该历史监测数据的特征检测。
404:根据任一个流量监测指标的数据分布特征,结合该流量监测指标的第一监测数据,预测获得流量监测指标在第一时间段的流量走势信息,以获得至少一个流量监测指标分别在第一时间段对应的流量走势信息。
405:根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,确定数据库实例在第一时间段的目标配置规格。
406:将数据库实例的配置规格调整为目标配置规格。
本申请实施例中,在确定至少一个流量监测指标分别对应的流量走势信息时,通过先确定任一个流量监测指标的历史流量数据所对应的数据分布特征,进而根据数据分布特征结合流量监测指标当前的第一监测数据来预测该监测指标检测在第一时间段的流量走势信息。通过数据分布特征的确定,可以对各个流量监测指标的在第一时间段的流量监测数据进行准确预测,以获得准确的流量走势信息,进而通过准确的流量走势信息对数据库实例在第一时间段的目标配置规格进行准确预测,进而执行将数据库实例的配置规格调整为目标配置规格时,可以确保配置规格的调整的准确性,实现数据库配置规格的准确调整。
作为一个实施例,数据库实例在第一时间段的目标配置规格的确定步骤包括:
根据至少一个流量监测指标分别对应的流量走势信息,确定至少一个流量监测指标分别对应的第一配置规格。
基于至少一个流量监测指标分别对应的第一配置规格,确定数据库实例在第一时间段对应的目标配置规格。
可选地,任一个流量监测指标对应的第一配置规格可以通过机器学习的方式确定,具体可以构建该流量监测指标对应的容量预测模型,该容量预测模型的输入为该流量监测指标对应的流量走势信息,以及输出为该流量走势信息对应的配置规格。至少一个流量监测指标可以分别训练一个容量预测模型,以获得至少一个流量监测指标分别对应的配置规格。进而再综合至少一个流量监测指标分别对应的第一配置规格,确定第一时间段对应的目标配置规格。
在一种可能的设计中,任一个流量监测指标在第一时间段的流量走势信息的具体预测步骤可以包括:
针对任一个流量监测指标,根据流量监测指标的第一监测数据,按照流量监测指标的数据分布特征进行流量数据预测,获得第一时间段内的多个预测流量数据构成的流量走势信息。
预测获得流量监测指标在第一时间段的流量走势信息可以包括:该流量监测指标在第一时间段内的多个预测流量数据。
以周期性分布特征为例,可以根据流量监测指标的周期性,利用第一监测数据所在时间点之后的第一时间段多对应的历史时间段的历史流量数据为预测流量数据。
以为无规则的分布特征为例,则可以随机生成第一时间段的多个流量预测数据。
作为一种可能的实现方式,任一个流量监测指标对应的第一配置规格的确定步骤包括:
根据任一个流量监测指标数据分布特征以及流量监测指标对应的流量走势信息,确定流量监测指标在第一时间段中存在流量异常的异常时间点;
基于异常时间点对应的预测流量数据,确定流量监测指标的第一配置规格。
异常时间点为流量监测指标在第一时间段中存在流量异常的时间点。具体可以为两个相邻预测流量数据的差值的绝对值大于预设差阈值值时,这两个相邻预测流量数据所对应的时间点。可以根据异常时间点对应的预测流量数据,确定该流量监测指标的第一配置规格。
在某些实施例中,任一个流量监测指标在第一时间段中存在流量异常的异常时间点的确定步骤可以包括:
针对任一个流量监测指标,确定流量监测指标在第一时间段的多个预测流量数据中存在数据异常的异常时间点。
可选地,针对任一个流量监测指标,确定流量监测指标在第一时间段的多个预测流量数据中存在数据异常的异常时间点可以包括:计算任一个流量监测指标的多个预测流量数据中任意两个相邻的预测流量数据之间的数据差,若任一个数据差的绝对值大于预设差阈值,则可以确定该数据差对应的两个相邻预测流量数据中后一个预测流量数据所在时间点为存储流量异常的异常时间点。
可选地,任一个流量监测指标在第一时间段中存在流量异常的异常时间点还可以通过设置时间窗口,以通过时间窗口在第一时间段采集至少一个子时间段,进而计算该流量监测指标在至少一个子时间段分别对应的方差,确定方差大于方差阈值的目标方差所对应的子时间段的时间中点为异常时间点。时间窗口的长度具体可以根据第一时间段的长短确定,例如,第一时间段为30分钟时,时间窗口可以设置为30秒。此外,为了获取更准确的异常时间点,还可以对目标方差所对应的子时间段进行二次窗口扫描,二次窗口扫描的时间窗口小于第一次扫描的时间窗口,例如,假设第一次扫描的时间窗口为30秒,第二次扫描的时间窗口可以为2秒。异常时间点可以为最后确定的时间窗口中最后一个预测流量数据对应的时间点。
在异常时间点对应的两个相邻预测流量数据的差值,具体可以为前一个预测流量数据减去后一个预测流量数据获得的数据差。若异常时间点对应两个相邻预测流量数据中,前一个预测流量数据大于后一个预测流量数据,流量变化量为正值,流量数据减少,该流量监测指标的第一配置规格小于数据库实例当前的配置规格;若异常时间点对应两个相邻预测流量数据中前一个预测流量数据小于后一个预测流量数据,流量变化量为负值,流量数据增加,该流量监测指标的第一配置规格大于数据库实例当前的配置规格。
在一种可能的设计中,将数据库实例的配置规格调整为目标配置规格可以包括:
确定至少一个流量监测指标中的第二监测指标;
如果第二监测指标的数据分布特征为预设第一分布特征,确定第二监测指标的多个预测流量数据中存在流量异常的异常时间点;
基于第二监测指标的异常时间点以及数据库实例的配置规格调整所需要的时间,确定数据库实例配置规格的调整时间点;
在到达调整时间点时,将数据库实例的配置规格调整为目标配置规格。
第二监测指标的多个预测流量数据中存在流量异常的异常时间点与前述实施例中任一个流量监测指标的异常时间点的确定方式相同,具体可以参考前述实施例中异常时间点的相关描述,在此不再赘述。
数据库实例配置规格调整所需要的时间可以根据历史调整行为确定,可以综合计算多个历史调整行为分别需要的时间的平均值,以获得数据库实例配置规格调整所需要的时间。
调整时间点可以为异常时间点与数据库实例的配置规格调整所需要的时间的时间差。调整时间点与数据库实例调整所需要的时间之和为异常时间点。
可选地,第一分布特征可以包括转换点分布特征以及周期性分布特征。
转换点分布特征以及周期性分布特征的数据分布规则具有一定的规律,可以准确确定异常时间点,进而根据异常时间点进行配置规格调整控制,实现更准确的配置规格调整,提高调整的有效性。
在又一种可能的设计中,如果特征类型为预设第二特征类型,立即将数据库实例的配置规格调整为目标配置规格。
可选地,第二特征类型可以包括:均值漂移分布特征以及无规则的分布特征。
在一种可能的设计中,基于至少一个流量监测指标分别对应的第一配置规格,确定数据库实例在第一时间段对应的目标配置规格包括:
将至少一个流量监测指标分别对应的第一配置规格进行加权求和,获得数据库实例在第一时间段对应的目标配置规格。
在又一种可能的设计中,基于至少一个流量监测指标分别对应的第一配置规格,确定数据库实例在第一时间段对应的目标配置规格可以包括:
确定至少一个流量监测指标中的第一监测指标;
确定第一监测指标对应的第一配置规格为数据库实例在第一时间段对应的目标配置规格。
可选地,第一监测指标可以包括CPU使用率,当数据库实例的CPU使用率过高时,可以对数据库实例进行配置规格调整。
如图5所示,为本申请实施例提供的一种数据库实例管理方法的又一个实施例的流程图,该方法可以包括以下几个步骤:
501:确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段。
502:针对任一个流量监测指标的历史监测数据,预测流量监测指标在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对应的流量走势信息。
503:根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,确定数据库实例在第一时间段的目标配置规格。
504:将数据库实例的配置规格调整为目标配置规格。
505:在数据库实例的配置规格调整之后,采集至少一个流量监测指标分别对应的第二监测数据。
506:根据至少一个流量监测指标分别对应的第二监测数据,生成运行提示信息,以输出运行提示信息。
对数据库实例的配置规格进行调整之后,可以继续监测数据库实例的至少一个流量监测指标,以对数据库实例配置规格调整后的各个流量监测指标进行持续性监测,实现数据库实例的持续性监测。
在一种可能的设计中,该方法还可以包括:
采集至少一个流量监测指标当前时间点分别对应的第一监测数据。
针对任一个流量监测指标,计算第一监测数据与第二监测数据的数据差异,以获得至少一个流量监测指标分别对应的差异数据;
根据至少一个流量监测指标分别对应的差异数据,生成运行差异信息,以输出运行差异信息。
至少一个第一监测数据可以为数据库配置规格调整之前至少一个流量监测指标分别监测到的数据。
在一种可能的设计中,本申请实施例的技术方案可以配置于一服务器中,形成可对外提供数据库实例管理服务。如图6所示,为本申请实施例提供的一种数据库实例管理方法的又一个实施例的流程图,该方法可以包括以下几个步骤:
601:响应于针对数据库实例管理接口发起的实例管理请求,获取数据库实例管理接口对应的处理资源;
利用数据库实例管理接口对应的处理资源执行如下步骤:
602:确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段;
603:针对任一个流量监测指标的历史监测数据,预测流量监测指标在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对应的流量走势信息;
604:根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,确定数据库实例在第一时间段的目标配置规格;
605:将数据库实例的配置规格调整为目标配置规格。本申请实施例中,数据库实例管理接口对应的处理资源所执行的具体步骤与图1所示的数据库实例管理方法所执行的处理步骤相同,各个技术特征的具体实现方式以及技术效果已在图1所示实施例中详细描述,在此不再赘述。
为了便于理解,以电子商务场景的数据库为例对本申请进行详细说明。在电子商务场景中,诸多商品的商品信息可以存储于数据库中,数据库实例可以向多个用户提供商品查询服务。参考图7,用户可以通过用户终端M1,例如,手机、平板电脑、计算机、智能音箱、可穿戴设备等终端发起查询请求,这些查询请求即通过商品数据库实例M2实现。假设本申请实施例提供的数据库实例管理方法运行于云服务器M3。
云服务器M3可以确定701数据库实例的至少一个流量监测指标以及不断获取商品数据库实例M2在至少一个流量监测指标的监测数据。
云服务器M3确定701位于当前时间之后的第一时间段之后,可以针对任一个流量监测指标的历史监测数据,预测702流量监测指标在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对应的流量走势信息。进而,云服务器M3可以根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,确定703商品数据库实例M2在第一时间段的目标配置规格。从而将商品数据库实例M2的配置规格调整704为目标配置规格。
在一种可能的设计中,将商品数据库实例M2的配置规格调整为目标配置规格时,可以生成目标配置规格对应的调整指令,将调整指标发送至数据库实例M2,以供数据库实例M2调整为目标配置规格。
如图8所示,为本申请实施例提供的一种数据库实例管理装置的一个实施例的结构示意图,该装置可以包括:
第一确定模块801:用于确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段。
走势预测模块802:用于针对任一个流量监测指标的历史监测数据,预测流量监测指标在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对应的流量走势信息。
第二确定模块803:用于根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,确定数据库实例在第一时间段的目标配置规格。
规格调整模块804:用于将数据库实例的配置规格调整为目标配置规格。
作为一个实施例,第二确定模块可以包括:
第一处理单元,用于根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,判断数据库实例是否需要调整配置规格;
第二处理单元,用于如果是,确定数据库实例在第一时间段的目标配置规格;
该方法还包括:
第三处理单元,用于如果否,保持数据库实例当前的配置规格。
在一种可能的设计中,第一处理单元可以包括:
负载确定子单元,用于确定至少一个流量监测指标中的负载监测指标;
负载判断子单元,用于判断负载监测指标在第一时间段对应的流量走势信息是否满足高负载状态。
作为一种可能的实现方式,第二处理单元可以包括:
诱因确定子单元,用于确定引起数据库实例配置规格调整的诱因信息;
诱因匹配子单元,用于如果诱因信息与预置的原因信息相匹配,基于诱因信息,生成第一提示信息,以输出第一提示信息;
第一确定子单元,用于如果诱因信息与预置的原因信息不匹配,确定数据库实例在第一时间段的目标配置规格。
在一种可能的设计中,第二确定模块包括:
效率确定单元,用于确定至少一个流量监测指标中的效率监测指标;
效率处理一单元,用于如果效率监测指标在第一时间段对应的流量走势信息满足效率异常条件,确定数据库实例的处理效率异常为引起数据库实例配置规格调整的诱因信息;
预置的原因信息包括:数据库实例的处理效率异常。
在又一种可能的设计中,第二确定模块还包括:
效率处理二单元,用于如果效率监测指标在第一时间段对应的流量走势信息不满足效率异常条件,确定数据库实例的访问流量异常为引起数据库实例调整的诱因信息。
作为一个实施例,走势预测模块可以包括:
数据采集单元,用于采集至少一个流量监测指标当前时间点分别对应的第一监测数据;
特征确定单元,用于针对任一个流量监测指标,利用流量监测指标的历史监测数据,确定流量监测指标的数据分布特征,以获得至少一个流量监测指标分别对应的数据分布特征;
走势预测单元,用于根据任一个流量监测指标的数据分布特征,结合流量监测指标的第一监测数据,预测获得流量监测指标在第一时间段的流量走势信息,以获得至少一个流量监测指标分别在第一时间段对应的流量走势信息。
作为一种可能的实现方式,第二确定模块可以包括:
规格确定单元,用于根据至少一个流量监测指标分别对应的流量走势信息,确定至少一个流量监测指标分别对应的第一配置规格;
规格融合单元,用于基于至少一个流量监测指标分别对应的第一配置规格,确定数据库实例在第一时间段对应的目标配置规格。
在一种可能的设计中,规格融合单元可以包括:
加权融合子单元,用于将至少一个流量监测指标分别对应的第一配置规格进行加权求和,获得数据库实例在第一时间段对应的目标配置规格。
在又一种可能的设计中,规格融合单元可以包括:
第二确定子单元,用于确定至少一个流量监测指标中的第一监测指标;
第三确定子单元,用于确定第一监测指标对应的第一配置规格为数据库实例在第一时间段对应的目标配置规格。
在某些实施例中,走势预测单元具体可以用于:
针对任一个流量监测指标,根据流量监测指标的第一监测数据,按照流量监测指标的数据分布特征进行流量数据预测,获得第一时间段内的多个预测流量数据构成的流量走势信息。
作为一个实施例,规格确定单元具体可以用于:
根据任一个流量监测指标数据分布特征以及流量监测指标对应的流量走势信息,确定流量监测指标在第一时间段中存在流量异常的异常时间点;基于异常时间点对应的预测流量数据,确定流量监测指标的第一配置规格。
作为又一个实施例,实例调整模块可以包括:
第一确定单元,用于确定至少一个流量监测指标中的第二监测指标;
第二确定单元,用于如果第二监测指标的数据分布特征为预设第一分布特征,确定第二监测指标在第一时间段中存在流量异常的异常时间点;
时间确定单元,用于基于第二监测指标的异常时间点以及数据库实例的规格调整所需要的时间,确定数据库实例配置规格的调整时间点;
第一调整单元,用于在到达调整时间点时,将数据库实例的配置规格调整为目标配置规格。
在某些实施例中,实例调整模块还可以包括:
第二调整单元,用于如果第二监测指标的数据分布特征为预设第二分布特征,立即将数据库实例的配置规格调整为目标配置规格。
在一种可能的设计中,该装置还可以包括:
第三确定模块,用于针对任一个流量监测指标,确定流量监测指标在第一时间段的多个预测流量数据中存在数据异常的异常时间点。
作为又一个实施例,该装置还可以包括:
第一采集模块,用于在数据库实例的规格调整之后,采集至少一个流量监测指标分别对应的第二监测数据;
数据提示模块,用于根据至少一个流量监测指标分别对应的第二监测数据,生成运行提示信息,以输出运行提示信息。
在某些实施例中,该装置还可以包括:
第二采集模块,用于采集至少一个流量监测指标当前时间点分别对应的第一监测数据;
第四确定模块,用于针对任一个流量监测指标,计算第一监测数据与第二监测数据的数据差异,以获得至少一个流量监测指标分别对应的差异数据;
信息生成模块,用于根据至少一个流量监测指标分别对应的差异数据,生成运行差异信息,以输出运行差异信息。
图8的实现数据库实例管理装置可以执行图1所示实施例的数据库实例管理方法,其实现原理和技术效果不再赘述。对于图8所示实施例中各个模块、单元或者子单元所执行的各个步骤的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
在实际应用中,图8所示实施例可以配置为一计算设备。参考图9,为本申请实施例提供的一种计算设备的一个实施例的结构示意图,设备可以包括:存储组件901以及处理组件902;存储组件901用于存储一条或多条计算机指令;一条或多条计算机指令被处理组件902调用以执行图1等实施例所示的数据库实例管理方法。
其中,处理组件902可以包括一个或多个处理器来执行计算机指令,以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
存储组件901被配置为存储各种类型的数据以支持在终端的操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
当然,计算设备必然还可以包括其他部件,例如输入/输出接口、通信组件等。输入/输出接口为处理组件和外围接口模块之间提供接口,上述外围接口模块可以是输出设备、输入设备等。通信组件被配置为便于计算设备和其他设备之间有线或无线方式的通信等。
此外,本申请实施例还提供一种计算机可读存储介质,存储介质可以存储一条或多条计算机指令,一条或多条计算机指令执行时用以实现本申请实施例中任一种数据库实例管理方法。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现,当然也可以通过硬件和软件结合的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (19)
1.一种数据库实例管理方法,其特征在于,包括:
确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段,其中,任一流量监测指标为对所述数据库实例的访问流量进行监测的参数,所述至少一个流量监测指标从不同的方向对所述数据库实例的访问流量进行确认;
采集所述至少一个流量监测指标当前时间点分别对应的第一监测数据;
针对任一个流量监测指标,利用所述流量监测指标的历史监测数据,确定所述流量监测指标的数据分布特征,以获得所述至少一个流量监测指标分别对应的数据分布特征;
根据任一个流量监测指标的数据分布特征,结合所述流量监测指标的第一监测数据,预测获得所述流量监测指标在所述第一时间段的流量走势信息,以获得所述至少一个流量监测指标分别在第一时间段对应的流量走势信息,其中,所述流量走势信息用于表示对应的流量监测指标在所述第一时间段的数据走向;
根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,确定所述数据库实例在所述第一时间段的目标配置规格;
将所述数据库实例的配置规格调整为所述目标配置规格。
2.根据权利要求1所述的方法,其特征在于,所述根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,确定所述数据库实例在所述第一时间段的目标配置规格包括:
根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,判断所述数据库实例是否需要调整配置规格;
如果是,确定所述数据库实例在所述第一时间段的目标配置规格;
该方法还包括:
如果否,保持所述数据库实例当前的配置规格。
3.根据权利要求2所述的方法,其特征在于,所述根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,判断所述数据库实例是否需要调整配置规格包括:
确定所述至少一个流量监测指标中的负载监测指标;
判断所述负载监测指标在所述第一时间段对应的流量走势信息是否满足高负载状态。
4.根据权利要求2所述的方法,其特征在于,所述如果是,确定所述数据库实例在所述第一时间段的目标配置规格包括:
确定引起所述数据库实例配置规格调整的诱因信息;
如果所述诱因信息与预置的原因信息相匹配,基于所述诱因信息,生成第一提示信息,以输出所述第一提示信息;
如果所述诱因信息与预置的原因信息不匹配,确定所述数据库实例在所述第一时间段的目标配置规格。
5.根据权利要求4所述的方法,其特征在于,所述数据库实例配置规格调整的诱因信息的确定步骤包括:
确定所述至少一个流量监测指标中的效率监测指标;
如果所述效率监测指标在所述第一时间段对应的流量走势信息满足效率异常条件,确定所述数据库实例的处理效率异常为引起所述数据库实例配置规格调整的所述诱因信息;
所述预置的原因信息包括:所述数据库实例的处理效率异常。
6.根据权利要求5所述的方法,其特征在于,还包括:
如果所述效率监测指标在所述第一时间段对应的流量走势信息不满足效率异常条件,确定所述数据库实例的访问流量异常为引起所述数据库实例调整的诱因信息。
7.根据权利要求1所述的方法,其特征在于,所述数据库实例在所述第一时间段的目标配置规格的确定步骤包括:
根据所述至少一个流量监测指标分别对应的流量走势信息,确定所述至少一个流量监测指标分别对应的第一配置规格;
基于所述至少一个流量监测指标分别对应的第一配置规格,确定所述数据库实例在所述第一时间段对应的目标配置规格。
8.根据权利要求7所述的方法,其特征在于,所述基于所述至少一个流量监测指标分别对应的第一配置规格,确定所述数据库实例在所述第一时间段对应的目标配置规格包括:
将所述至少一个流量监测指标分别对应的第一配置规格进行加权求和,获得所述数据库实例在所述第一时间段对应的目标配置规格。
9.根据权利要求7所述的方法,其特征在于,所述基于所述至少一个流量监测指标分别对应的第一配置规格,确定所述数据库实例在所述第一时间段对应的目标配置规格包括:
确定所述至少一个流量监测指标中的第一监测指标;
确定所述第一监测指标对应的第一配置规格为所述数据库实例在所述第一时间段对应的目标配置规格。
10.根据权利要求7所述的方法,其特征在于,所述任一个流量监测指标在所述第一时间段的流量走势信息的具体预测步骤包括:
针对任一个流量监测指标,根据所述流量监测指标的第一监测数据,按照所述流量监测指标的数据分布特征进行流量数据预测,获得所述第一时间段内的多个预测流量数据构成的所述流量走势信息。
11.根据权利要求10所述的方法,其特征在于,所述任一个流量监测指标对应的第一配置规格的确定步骤包括:
根据任一个流量监测指标所述数据分布特征以及所述流量监测指标对应的流量走势信息,确定所述流量监测指标在第一时间段中存在流量异常的异常时间点;
基于所述异常时间点对应的预测流量数据,确定所述流量监测指标的第一配置规格。
12.根据权利要求10所述的方法,其特征在于,所述将所述数据库实例的配置规格调整为所述目标配置规格包括:
确定所述至少一个流量监测指标中的第二监测指标;
如果所述第二监测指标的数据分布特征为预设第一分布特征,确定所述第二监测指标在第一时间段中存在流量异常的异常时间点;
基于所述第二监测指标的异常时间点以及所述数据库实例的配置规格调整所需要的时间,确定所述数据库实例配置规格的调整时间点;
在到达所述调整时间点时,将所述数据库实例的配置规格调整为所述目标配置规格。
13.根据权利要求12所述的方法,其特征在于,还包括:
如果所述第二监测指标的数据分布特征为预设第二分布特征,立即将所述数据库实例的配置规格调整为所述目标配置规格。
14.根据权利要求11或12所述的方法,其特征在于,任一个流量监测指标在第一时间段存在流量异常的异常时间点的确定步骤包括:
针对任一个流量监测指标,确定所述流量监测指标在第一时间段的多个预测流量数据中存在数据异常的异常时间点。
15.根据权利要求1所述的方法,其特征在于,所述将所述数据库实例的配置规格调整为所述目标配置规格之后,还包括:
在所述数据库实例的配置规格调整之后,采集所述至少一个流量监测指标分别对应的第二监测数据;
根据所述至少一个流量监测指标分别对应的第二监测数据,生成运行提示信息,以输出所述运行提示信息。
16.根据权利要求15所述的方法,其特征在于,还包括:
采集所述至少一个流量监测指标当前时间点分别对应的第一监测数据;
针对任一个流量监测指标,计算所述第一监测数据与所述第二监测数据的数据差异,以获得所述至少一个流量监测指标分别对应的差异数据;
根据所述至少一个流量监测指标分别对应的差异数据,生成运行差异信息,以输出所述运行差异信息。
17.一种数据库实例管理方法,其特征在于,包括:
响应于针对数据库实例管理接口发起的实例管理请求,获取所述数据库实例管理接口对应的处理资源;
利用所述数据库实例管理接口对应的处理资源执行如下步骤:
确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段,其中,任一流量监测指标为对所述数据库实例的访问流量进行监测的参数,所述至少一个流量监测指标从不同的方向对所述数据库实例的访问流量进行确认;
采集所述至少一个流量监测指标当前时间点分别对应的第一监测数据;
针对任一个流量监测指标,利用所述流量监测指标的历史监测数据,确定所述流量监测指标的数据分布特征,以获得所述至少一个流量监测指标分别对应的数据分布特征;
根据任一个流量监测指标的数据分布特征,结合所述流量监测指标的第一监测数据,预测获得所述流量监测指标在所述第一时间段的流量走势信息,以获得所述至少一个流量监测指标分别在第一时间段对应的流量走势信息,其中,所述流量走势信息用于表示对应的流量监测指标在所述第一时间段的数据走向;
根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,确定所述数据库实例在所述第一时间段的目标配置规格;
将所述数据库实例的配置规格调整为所述目标配置规格。
18.一种数据库实例管理装置,其特征在于,包括:
第一确定模块,用于确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段,其中,任一流量监测指标为对所述数据库实例的访问流量进行监测的参数,所述至少一个流量监测指标从不同的方向对所述数据库实例的访问流量进行确认;
走势预测模块,用于采集所述至少一个流量监测指标当前时间点分别对应的第一监测数据;针对任一个流量监测指标,利用所述流量监测指标的历史监测数据,确定所述流量监测指标的数据分布特征,以获得所述至少一个流量监测指标分别对应的数据分布特征;根据任一个流量监测指标的数据分布特征,结合所述流量监测指标的第一监测数据,预测获得所述流量监测指标在所述第一时间段的流量走势信息,以获得所述至少一个流量监测指标分别在第一时间段对应的流量走势信息,其中,所述流量走势信息用于表示对应的流量监测指标在所述第一时间段的数据走向;
第二确定模块,用于根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,确定所述数据库实例在所述第一时间段的目标配置规格;
规格调整模块,用于将所述数据库实例的配置规格调整为所述目标配置规格。
19.一种计算设备,其特征在于,包括:存储组件与处理组件;所述存储组件用于存储一条或多条计算机指令;所述一条或多条计算机指令被所述处理组件调用以执行权利要求1~16任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110301310.7A CN112685390B (zh) | 2021-03-22 | 2021-03-22 | 数据库实例管理方法及装置、计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110301310.7A CN112685390B (zh) | 2021-03-22 | 2021-03-22 | 数据库实例管理方法及装置、计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112685390A CN112685390A (zh) | 2021-04-20 |
CN112685390B true CN112685390B (zh) | 2021-12-21 |
Family
ID=75455727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110301310.7A Active CN112685390B (zh) | 2021-03-22 | 2021-03-22 | 数据库实例管理方法及装置、计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112685390B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI803200B (zh) * | 2022-02-18 | 2023-05-21 | 四丁股份有限公司 | 通路整合與開店管理系統 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930062A (zh) * | 2012-11-30 | 2013-02-13 | 南京富士通南大软件技术有限公司 | 一种数据库快速水平扩展的方法 |
CN102955851A (zh) * | 2012-10-30 | 2013-03-06 | 北京奇虎科技有限公司 | 一种数据库的切换方法和装置 |
CN108090225A (zh) * | 2018-01-05 | 2018-05-29 | 腾讯科技(深圳)有限公司 | 数据库实例的运行方法、装置、系统及计算机可读存储介质 |
CN109101589A (zh) * | 2018-07-25 | 2018-12-28 | 青岛聚看云科技有限公司 | 一种自动调整内存数据库空间大小的方法、装置及系统 |
CN112328573A (zh) * | 2020-11-03 | 2021-02-05 | 杭州朗澈科技有限公司 | kubernetes集群中数据库迁移方法和系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107231264A (zh) * | 2017-07-25 | 2017-10-03 | 北京百度网讯科技有限公司 | 用于管理云服务器的容量的方法和装置 |
CN111782386B (zh) * | 2020-03-17 | 2024-07-26 | 新浪技术(中国)有限公司 | 一种基于历史业务流量的数据库调度方法及系统 |
-
2021
- 2021-03-22 CN CN202110301310.7A patent/CN112685390B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102955851A (zh) * | 2012-10-30 | 2013-03-06 | 北京奇虎科技有限公司 | 一种数据库的切换方法和装置 |
CN102930062A (zh) * | 2012-11-30 | 2013-02-13 | 南京富士通南大软件技术有限公司 | 一种数据库快速水平扩展的方法 |
CN108090225A (zh) * | 2018-01-05 | 2018-05-29 | 腾讯科技(深圳)有限公司 | 数据库实例的运行方法、装置、系统及计算机可读存储介质 |
CN109101589A (zh) * | 2018-07-25 | 2018-12-28 | 青岛聚看云科技有限公司 | 一种自动调整内存数据库空间大小的方法、装置及系统 |
CN112328573A (zh) * | 2020-11-03 | 2021-02-05 | 杭州朗澈科技有限公司 | kubernetes集群中数据库迁移方法和系统 |
Non-Patent Citations (1)
Title |
---|
调整数据库实例规格;佚名;《https://cloud.tencent.com/document/product/236/19707》;20210302;第1-3页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112685390A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107066365B (zh) | 一种系统异常的监测方法及装置 | |
KR102522005B1 (ko) | 가상 네트워크 관리를 위한 머신 러닝 기반 vnf 이상 탐지 시스템 및 방법 | |
US8732534B2 (en) | Predictive incident management | |
JP4527642B2 (ja) | ネットワーク障害診断装置、ネットワーク障害診断方法およびネットワーク障害診断プログラム | |
US8516499B2 (en) | Assistance in performing action responsive to detected event | |
CN108052528A (zh) | 一种存储设备时序分类预警方法 | |
CN109976975B (zh) | 一种磁盘容量预测方法、装置、电子设备及存储介质 | |
CN112231174A (zh) | 异常告警方法、装置、设备及存储介质 | |
JP5768983B2 (ja) | 契約違反予測システム、契約違反予測方法および契約違反予測プログラム | |
CN107992410B (zh) | 软件质量监测方法、装置、计算机设备和存储介质 | |
CN110502431B (zh) | 系统服务评测方法、装置及电子设备 | |
CN110674014A (zh) | 一种确定异常查询请求的方法及装置 | |
CN106503841B (zh) | 指标阈值的确定方法和装置 | |
CN111813644B (zh) | 系统性能的评价方法、装置、电子设备和计算机可读介质 | |
CN115269108A (zh) | 一种数据处理方法、装置及设备 | |
CN104572795A (zh) | 规则的自动生成和动态更新 | |
CN112685390B (zh) | 数据库实例管理方法及装置、计算设备 | |
JP6252309B2 (ja) | 監視漏れ特定処理プログラム,監視漏れ特定処理方法及び監視漏れ特定処理装置 | |
CN110795324A (zh) | 一种数据处理方法及装置 | |
JP2015184818A (ja) | サーバ、モデル適用可否判定方法およびコンピュータプログラム | |
JP2007164346A (ja) | 決定木変更方法、異常性判定方法およびプログラム | |
CN108255710B (zh) | 一种脚本的异常检测方法及其终端 | |
CN116560794A (zh) | 虚拟机的异常处理方法和装置、介质和计算机设备 | |
KR102464688B1 (ko) | 모니터링 결과의 이벤트 등급 결정 방법 및 장치 | |
CN115774602A (zh) | 一种容器资源的分配方法、装置、设备及存储介质 |
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 |