参数调整方法及相关设备与流程

本技术涉及终端软件，尤其涉及一种参数调整方法及相关设备。

背景技术：

1、电子设备如个人电脑、服务器等的操作系统具有大量可调节的参数用于控制系统运行，例如，读写操作百分比、最大并行线程数量、缓存容量、cpu(central processingunit，中央处理器)核数等。通过对参数进行调优可以提升应用程序的执行效率、减少资源使用量及减少系统错误。然而，目前的参数调优方法一般只能针对离线场景进行参数调优，如此，当在线应用程序正在运行，系统负载发生变化时，无法实时对系统参数进行动态调优，可能影响系统的正常运行。

技术实现思路

1、有鉴于此，有必要提供一种参数调整方法，解决无法根据系统负载变化实时对系统参数进行调优的问题。

2、本技术实施例第一方面提供一种参数调整方法，包括：检测电子设备运行在线应用程序时的负载是否发生变化；若所述电子设备运行在线应用程序时的负载发生变化，获取所述在线应用程序的特征数据，将所述特征数据与特征库中的特征数据进行匹配，确定所述特征库中与所述在线应用程序匹配的应用程序及负载类型；从模型库中选取与所述在线应用程序匹配的应用程序及负载类型对应的参数调优模型；基于选取的所述参数调优模型确定运行所述在线应用程序的最优参数。

3、采用上述技术方案，通过检测电子设备运行在线应用程序时的负载是否发生变化，在负载发生变化时，将在线应用程序的特征数据与特征库中的特征数据匹配确定在线应用程序的最优调参模型，从而通过最优调参模型输出最优参数，实现动态的参数调优，提高参数调优的实时性，保障系统正常运行。

4、在一种可能的实现方式中，所述检测电子设备运行在线应用程序时的负载是否发生变化包括：采集所述在线应用程序的关键数据，生成所述关键数据的时间序列；检测所述时间序列中任一数据前后的数据分布是否发生变化；若所述时间序列中任一数据前后的数据分布发生变化，确定所述在线应用程序的负载发生变化；或若所述时间序列中所有数据前后的数据分布均未发生变化，确定所述在线应用程序的负载未发生变化。

5、采用上述技术方案，通过时间序列的数据分布检测电子设备运行在线应用程序时的负载是否发生变化，考虑时间维度的信息，能实时、主动发现负载的变化，灵敏度更高，可以有效地提高检测精度。

6、在一种可能的实现方式中，所述检测所述时间序列中任一数据前后的数据分布是否发生变化包括：基于所述时间序列中任一数据的左边部分数据与右边部分数据的均值和方差检测所述数据前后的数据分布是否发生变化。

7、采用上述技术方案，通过时间序列中任一数据的左边部分数据与右边部分数据的均值和方差检测所述数据前后的数据分布是否发生变化，可以有效地提高检测精度。

8、在一种可能的实现方式中，所述基于所述时间序列中任一数据的左边部分数据与右边部分数据的均值和方差检测所述数据前后的数据分布是否发生变化包括：计算所述时间序列中任一数据对应的左边部分数据与右边部分数据的均值变化及方差变化；判断所述均值变化是否大于第一阈值、所述方差变化是否大于第二阈值、所述均值变化与所述方差变化是否同时大于第三阈值；若所述均值变化大于第一阈值，或所述方差变化大于第二阈值，或所述均值变化与方差变化同时大于第三阈值，确定所述数据前后的数据分布发生变化；或若所述均值变化小于或等于第一阈值，且所述方差变化小于或等于第二阈值，且所述均值变化与方差变化同时小于或等于第三阈值，确定所述数据前后的数据分布未发生变化。

9、采用上述技术方案，通过时间序列中任一数据对应的左边部分数据与右边部分数据的均值变化及方差变化检测所述数据前后的数据分布是否发生变化，可以有效地提高检测精度。

10、在一种可能的实现方式中，所述获取所述在线应用程序的特征数据包括：采集所述在线应用程序的关键数据，将采集的关键数据转换为所述特征数据，对所述特征数据进行预处理，得到所述在线应用程序的统计特征和时序特征。

11、采用上述技术方案，可以将在线应用程序的静态运行数据和动态运行数据相结合，从而提高应用画像的精度。

12、在一种可能的实现方式中，所述将特征数据与特征库中的特征数据进行匹配，确定特征库中与在线应用程序匹配的应用程序及负载类型包括：将所述在线应用程序的统计特征与所述特征库中每组特征数据的统计特征进行匹配，确定在线应用程序的统计特征与特征库中每组特征数据的统计特征之间的第一相似值；将所述在线应用程序的时序特征与特征库中每组特征数据的时序特征进行匹配，确定在线应用程序的时序特征与特征库中每组特征数据的时序特征之间的第二相似值；基于第一相似值和第二相似值确定所述特征库中与在线应用程序匹配的应用程序及负载类型。

13、采用上述技术方案，通过构建在线应用程序的特征数据与特征库中的特征数据的之间的相似值，可以提高匹配精度。

14、在一种可能的实现方式中，所述确定在线应用程序的统计特征与特征库中每组特征数据的统计特征之间的第一相似值包括：计算所述在线应用程序的每个维度的统计特征与所述特征库中每组特征数据的对应维度的统计特征之间的差值的平方和，得到所述在线应用程序的统计特征与所述特征库中每组特征数据的统计特征之间的第一相似值。

15、采用上述技术方案，可以提高确定在线应用程序的统计特征与特征库中的统计特征之间的相似度的精确度。

16、在一种可能的实现方式中，所述确定在线应用程序的时序特征与特征库中每组特征数据的时序特征之间的第二相似值包括：基于动态时间弯曲距离的时序相似性方法确定所述在线应用程序的时序特征与所述特征库中每组特征数据的时序特征之间的第二相似值。

17、采用上述技术方案，基于动态时间弯曲距离的时序相似性方法确定所述在线应用程序的时序特征与所述特征库中每组特征数据的时序特征之间的第二相似值，可以考虑时间上的平移和伸缩，准确率更高。

18、在一种可能的实现方式中，所述基于第一相似值和第二相似值确定所述特征库中与在线应用程序匹配的应用程序及负载类型包括：计算所述在线应用程序的统计特征与特征库中每组特征数据的统计特征进行匹配得到的第一相似值及所述在线应用程序的时序特征与特征库中每组特征数据的时序特征进行匹配得到的第二相似值之和；确定所述第一相似值与所述第二相似值之间的最小和值；确定所述特征库中与最小和值对应的特征数据的应用程序及负载类型为与在线应用程序匹配的应用程序及负载类型。

19、采用上述技术方案，在特征匹配过程中，将动态特征匹配和静态特征匹配相结合，同时考虑应用负载的整体分布和实时动态性，从而提高匹配精度。

20、在一种可能的实现方式中，所述方法还包括：采集多个应用程序与不同负载类型对应的特征数据，建立所述特征库；基于多个所述应用程序对应负载类型的参数样本对预设模型进行训练，建立每个应用程序对应负载类型的参数调优模型，并基于多个所述应用程序对应负载类型的参数调优模型建立所述模型库。

21、采用上述技术方案，可以在离线阶段预先对特征数据进行获取，对调优模型进行训练，提高了在线参数调优的效率。

22、在一种可能的实现方式中，所述采集多个应用程序与不同负载类型对应的特征数据，建立所述特征库包括：采集所述应用程序对应每种负载类型的关键数据；将采集的所述关键数据转换为所述应用程序的特征数据，对所述应用程序的特征数据进行预处理，得到所述应用程序的关键数据的统计特征和时序特征；基于所述多个应用程序对应每种负载类型的所述统计特征和时序特征建立所述特征库。

23、采用上述技术方案，通过对应用程序的特征数据进行采集和预处理，可以提高特征数据的有效性，提高特征数据的匹配精度。

24、在一种可能的实现方式中，所述关键数据包括逻辑层数据和运行时数据。

25、采用上述技术方案，通过将静态数据和动态数据结合的方式，可以提高特征数据的有效性，提高特征数据的匹配精度。

26、在一种可能的实现方式中，所述将采集的所述关键数据转换为所述应用程序的特征数据，对所述应用程序的特征数据进行预处理，得到所述应用程序的关键数据的统计特征和时序特征包括：将采集的所述应用程序的逻辑层数据转换为所述应用程序的统计特征，将采集的所述应用程序的运行时数据转换为所述应用程序的时序特征；对所述应用程序的特征数据进行聚合、降噪、归一化及聚类的预处理，得到第一预设维度的所述统计特征和第二预设维度的所述时序特征。

27、采用上述技术方案，通过对应用程序的特征数据预处理，可以提高特征数据的有效性，提高特征数据的匹配精度。

28、在一种可能的实现方式中，所述基于所述多个应用程序对应负载类型的参数样本对预设模型进行训练，建立每个应用程序对应负载类型的参数调优模型包括：预设所述应用程序对应负载类型的参数样本，所述参数样本包括多种参数及每种参数对应的多个数据；从所述参数样本中选取多组第一参数，并确定每组第一参数对应的第一性能数据；基于所述多组第一参数和每组第一参数对应的第一性能数据构建预训练随机森林模型。

29、采用上述技术方案，通过应用程序对应负载类型的参数对随机森林模型进行初始化，可以提高模型训练的效率。

30、在一种可能的实现方式中，所述从所述参数样本中选取多组第一参数，并确定每组第一参数对应的第一性能数据包括：从所述参数样本中随机选取所述多组第一参数，每组第一参数包括多种参数对应的数据；所述电子设备基于每组第一参数运行所述应用程序，在所述应用程序运行完成后，获取运行过程中的性能数据，得到每组第一参数对应的所述第一性能数据。

31、采用上述技术方案，通过电子设备对参数实际运行应用程序的性能数据对模型进行训练，可以提高模型训练的精度。

32、在一种可能的实现方式中，所述基于所述多组第一参数和每组第一参数对应的第一性能数据构建预训练随机森林模型包括：将每组第一参数作为随机森林模型的输入数据，将每组第一参数对应的所述第一性能数据作为所述随机森林模型的输出数据，基于所述输入数据和所述输出数据对所述随机森林模型进行调参，完成对所述预训练随机森林模型的构建。

33、采用上述技术方案，通过应用程序对应负载类型的参数对随机森林模型进行初始化，可以提高模型训练的效率。

34、在一种可能的实现方式中，所述基于所述多个应用程序对应负载类型的参数样本对预设模型进行训练，建立每个应用程序对应负载类型的参数调优模型还包括：从所述参数样本中选取多组第二参数，将所述多组第二参数输入所述预训练随机森林模型，得到所述预训练随机森林模型中每个决策树预测的第二性能数据；基于所有决策树预测的所述第二性能数据计算所述预训练随机森林模型的均值和标准差；基于所述预训练随机森林模型的均值和标准差计算贝叶斯优化算法的采集函数的多个输出值；基于所述采集函数的最大输出值确定第三参数，基于所述第三参数对所述预训练随机森林模型进行训练。

35、采用上述技术方案，通过基于随机森林的贝叶斯优化算法进行调参，可以有效地处理离散型、连续型、类别型的参数，并且提高训练过程中样本选取的效果，从而提高模型训练的效率。

36、在一种可能的实现方式中，所述从所述参数样本中选取多组第二参数，将所述多组第二参数输入所述预训练随机森林模型，得到所述预训练随机森林模型中每个决策树预测的第二性能数据包括：基于预设的采样策略，从所述参数样本中选取所述多组第二参数，将所述多组第二参数随机输入所述预训练随机森林模型中的多个决策树，通过每个决策树输出每组第二参数对应的所述第二性能数据。

37、采用上述技术方案，通过预训练随机森林模型对性能数据进行预测，可以作为后续样本选取的参考，提高样本选取的适应性，从而提高模型训练的效率。

38、在一种可能的实现方式中，所述预设的采样策略为在所述参数样本中选取使得所述采集函数最大的预设数量组参数作为起点，通过随机近邻方法找到邻居点。

39、采用上述技术方案，通过大规模采样可以提高模型训练的精度和适应性。

40、在一种可能的实现方式中，所述基于所述采集函数的最大输出值确定第三参数，基于所述第三参数对所述预训练随机森林模型进行训练包括：所述电子设备基于所述第三参数运行所述应用程序，在所述应用程序运行结束后，获取所述第三参数对应的第三性能数据，基于所述第三参数和所述第三性能数据继续对所述预训练随机森林模型进行训练，完成对所述预训练随机森林模型的更新。

41、采用上述技术方案，通过贝叶斯优化算法确定的样本对预训练随机森林模型进行更新，可以提高参数调优模型的精度。

42、在一种可能的实现方式中，所述基于所述多个应用程序对应负载类型的参数样本对预设模型进行训练，建立每个应用程序对应负载类型的参数调优模型还包括：判断当前迭代次数是否达到第一迭代次数；若所述当前迭代次数达到所述第一迭代次数，基于当前的所述预训练随机森林模型确定所述应用程序对应负载类型的参数调优模型，并通过当前的所述预训练随机森林模型输出所述参数样本中使得性能数据最优的最优参数。

43、采用上述技术方案，通过设置迭代次数可以保证参数调优模型可以得到有效地训练，并且基于训练得到的参数调优模型精确地输出当前的最优参数，提高调优速度。

44、在一种可能的实现方式中，所述通过当前的所述预训练随机森林模型输出所述参数样本中使得性能数据最优的最优参数包括：将所述参数样本中的多组预设参数输入当前的所述预训练随机森林模型，得到所述多组预设参数分别对应的性能数据；确定所述多组预设参数分别对应的性能数据中最优的性能数据，并确定所述最优的性能数据对应的一组预设参数为所述参数样本中使得性能数据最优的最优参数。

45、采用上述技术方案，通过训练得到的参数调优模型输出使得性能数据最优的参数，可以提高调优速度。

46、在一种可能的实现方式中，所述基于选取的所述参数调优模型确定运行所述在线应用程序的最优参数包括：基于所述在线应用程序的参数样本对选取的所述参数调优模型进行调整；基于调整后的所述参数调优模型输出运行所述在线应用程序的最优参数。

47、采用上述技术方案，通过当前应用程序的参数对选取的参数调优模型进行适应性微调，可以提高参数调优模型对于当前应用程序的适用性，提高参数调优的精度和速度。

48、在一种可能的实现方式中，所述基于所述在线应用程序的参数样本对选取的所述参数调优模型进行调整包括：基于所述在线应用程序的参数样本中的多组参数和对应的性能数据以及第二迭代次数对所述参数调优模型进行训练，完成对所述参数调优模型的调整。

49、在一种可能的实现方式中，通过当前应用程序的参数对选取的参数调优模型进行适应性微调，可以提高参数调优模型对于当前应用程序的适用性，提高参数调优的精度和速度。

50、在一种可能的实现方式中，所述基于调整后的参数调优模型输出运行在线应用程序的最优参数包括：将所述在线应用程序的多组预设参数输入调整后的所述参数调优模型，得到所述在线应用程序的多组参数分别对应的性能数据；确定所述在线应用程序的多组参数分别对应的性能数据中最优的性能数据，将所述最优的性能数据对应的参数确定为所述电子设备运行所述在线应用程序时的最优参数，并输出所述最优参数。

51、采用上述技术方案，基于适用性微调后的参数调优模型进行调优，可以提高调优速度，提高输出的最优参数的精度，从而保障电子设备系统的稳定性，提高运行效率。

52、第二方面，本技术实施例提供一种计算机可读存储介质，包括计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行如第一方面所述的参数调整方法。

53、第三方面，本技术实施例提供一种电子设备，电子设备包括处理器和存储器，存储器用于存储指令，处理器用于调用存储器中的指令，使得电子设备执行如第一方面所述的参数调整方法。

54、第四方面，本技术实施例提供一种计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行如第一方面所述的参数调整方法。

55、第五方面，提供一种装置，该装置具有实现上述第一方面所提供的方法中电子设备行为的功能。功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块。

56、可以理解地，上述提供的第二方面所述的计算机可读存储介质，第三方面所述的电子设备，第四方面所述的计算机程序产品，第五方面所述的装置均与上述第一方面的方法对应，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。