(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210804585.7 (22)申请日 2022.07.08 (71)申请人 稻梦科技 （珠海） 有限公司 地址 519000 广东省珠海市斗门区井岸镇 珠峰大道1286号24栋201房 (72)发明人 黄惠婷　 (74)专利代理 机构 深圳锦开创识知识产权代理 事务所(普通 合伙) 44911 专利代理师 李潇潇 (51)Int.Cl. G06F 11/30(2006.01) G06F 9/445(2018.01) G06N 3/08(2006.01) (54)发明名称 基于深度学习的大数据系统配置参数监测 调优系统 (57)摘要 本发明涉及大数据系统配置优化技术领域， 用于解决现有的对大数据系统配置参数的监测 调优的方式存在极大的滞后性和不准确性， 无法 做到对大数据系统配置的实时监测分析， 故也难 以真正实现对 大数据系统配置参数的精准优化， 阻碍了大数据系统的稳定以及高效的发展的问 题， 尤其公开了基于深度学习的大数据系统配置 参数监测调优系统， 包括监测优化分析平台， 监 测优化分析平台的内部设置有 服务器， 服务器通 讯连接有数据采集单元、 监测分析单元、 等级定 量单元、 优化调控单元、 调优评估单元和显示终 端； 本发明， 在实现了对大数据系统的配置参数 实时监测和分析的同时， 也实现对了大数据系统 配置参数的精 准优化， 促进了大数据系统的高效 发展。 权利要求书3页 说明书8页 附图1页 CN 115098334 A 2022.09.23 CN 115098334 A 1.基于深度学习的大数据系统配置参数监测调优系统， 包括监测优化分析平台， 其特 征在于， 监测优化分析平台的内部 设置有服务器， 服务器通讯连接有 数据采集单元、 监测分 析单元、 等级定量单 元、 优化调控单 元、 调优评估单 元和显示终端； 监测优化分析平台用于对大数据系统 的配置参数信 息进行监测与优化分析， 通过数据 采集单元实时获取大数据系统的配置特征参数信息， 并将其发送至监测分析单元， 监测分 析单元用于接 收大数据系统的配置特征参数信息， 并据此进行状态监测分析处理， 据此生 成正向匹配信号、 逆向匹配信号和不匹配信号， 并将其均发送至等级定量单元， 等级定量单 元对接收的各类型匹配信号进行优化定档分析处理， 据此生成各类型扩充档位指令， 并将 其均发送至优化调控单 元； 优化调控单元用于接收各类型扩充档位指令， 并据此对大数据系统 的配置进行配置优 化分析处理， 据此生成优化完成信号， 并将其 发送至调优评估 单元， 调优评估单元用于接收 优化完成信号， 并据此调取优化后单位时间级的大数据系统的配置特征参数信息， 并据此 进行优化迭代训练分析处理， 据此生成有效优化信号和无效优化信号， 并将其以文本字样 描述的方式发送至 显示终端 进行显示。 2.根据权利要求1所述的基于深度学习的大数据系统配置参数监测调优系统， 其特征 在于， 状态监测分析处 理的具体操作步骤如下： S1： 实时获取单位时间级大数据系统的配置特征参数信息中的进程量值chei和内存量 值neci， 其中， i为大于等于1的正整数， 将进程量值和内存量值进行归一化处理， 求得各时 间点的运行性能系数yuxi； S2： 依据步骤S1， 随机捕捉单位时间级中任意一段时间的运行性能系数yuxi， 并以时间 为横坐标， 以运行性能系数为 纵坐标， 并据此建立性能动态 坐标系， 通过描点绘制的方式将 一段时间的运行性能系数yuxi勾勒在性能动态坐标系上， 并据此执行一类模型分析处理， 并生成运行性能优等信号和运行性能次等信号； S3： 实时捕捉与步骤S2相同时间段的大数据系统的配置特征参数信息中的读写量值 duxi， 以时间为横坐标， 以读写量值为纵坐标， 并据此建立读写动态坐标系， 通过描点绘制 的方式将一段时间的读写量值duxi勾勒在读写动态坐标系上， 并据此执行二类模型分析处 理， 并生成读写性能优等信号和读写性能次等信号； S4： 依据步骤S2－S3， 基于相同时间段的两个动态坐标系上分布的等级标定信号， 据 此 进行定性整合分析处 理， 并生成正向匹配信号、 逆向匹配信号和不匹配信号。 3.根据权利要求2所述的基于深度学习的大数据系统配置参数监测调优系统， 其特征 在于， 一类模型分析处 理的具体操作步骤如下： 随机捕捉性能动态坐标上的任 意连续10个运行性能系数yuxi， 并将其进行均值分析， 求 得均值运行性能系数Jyux， 将均值运行性能系数Jyux转化为性能对比参照线， 即Y＝Jyux， 并将性能对比参照线Y＝Jyux绘制在性能动态坐标系上； 当运行性能系数yuxi处于性能对比参照线Y＝Jyux上及以上时， 则生成运行性能优等信 号， 当运行性能系数yuxi处于性能对比参照线Y＝Jyux以下时， 则生成运行性能次等信号。 4.根据权利要求3所述的基于深度学习的大数据系统配置参数监测调优系统， 其特征 在于， 二类模型分析处 理的具体操作步骤如下： 设置读写阈值系数Yu1， 并将读写阈值系数Yu1转化为读写对比参照线， 即Y＝Yu1， 并将权　利　要　求　书 1/3 页 2 CN 115098334 A 2读写对比参照线Y＝Yu1绘制在读写动态坐标系上； 当读写量值duxi处于读写对比参照线Yu1上及以上时， 则生成读写性能优等信号， 当读 写量值duxi处于读写对比参照线Yu1以下时， 则生成读写性能次等信号。 5.根据权利要求3所述的基于深度学习的大数据系统配置参数监测调优系统， 其特征 在于， 定性整合分析处 理的具体操作步骤如下： 获取同一单位 时间级的性能动态坐标系与读写动态坐标系上分布的等级标定信号， 若 同时捕捉到的信号均为优等类型信号时， 则生成正向匹配信号， 若同时捕捉到的信号均为 次等类型信号， 则生成逆向匹配信号， 若同时捕捉到的信号为两种不同等级标定的信号， 则 生成不匹配信号。 6.根据权利要求3所述的基于深度学习的大数据系统配置参数监测调优系统， 其特征 在于， 优化定档分析处 理的具体操作步骤如下： Q1： 当接收到正向匹配信号、 逆向匹配信号和不匹配信号时， 并据 此统计单位 时间级内 各类型匹配信号的数量和， 并将其分别标定为SL1、 SL2和SL3， 若满足SL1＜SL2+SL3时， 则生 成高级优化指令， 若满足SL1＝SL2+SL3 时， 则生成中级优化指令， 若满足SL1＞SL2+SL3时， 则生成低级优化指令； Q2： 分别统计性能动态坐标系与读写动态坐标系上分布的次等等级标定信号与优等等 级标定信号的数量和， 并依据各类型次等信号数量和占各类型等级总和的百分比， 分别求 得第一占比值Zbx1、 第二占比值Zbx2； Q3： 依据低级优化指令， 若满足Zbx1＞Zbx2， 则生成优化读写N档指令， 若满足Zbx1≤ Zbx2， 则生成优化处理器N档指令、 优化内存N档指令， 依据中级优化指令， 若满足Zbx1＞ Zbx2， 则生成优化读写N+1档指令， 若满足Zbx1≤Zbx2， 则 生成优化处理器N+1档指令、 优化 内存N+1档指令， 依据高级优化指令， 若满足Zbx1＞Zbx2， 则生成优化读写N+2档 等级信号， 若满足Zbx1≤Zbx2， 则生成处 理器优化 N+2档指令、 内存 优化N+2档指令 。 7.根据权利要求1所述的基于深度学习的大数据系统配置参数监测调优系统， 其特征 在于， 配置优化分析处 理的具体操作步骤如下： 当接收到优化读写N档指令、 优化处理器N档指令、 优化内存N档指令时， 则据此将大数 据系统配置中IO 设备、 CPU和内存 扩充N档， 并在完成扩充后生成优化完成信号； 当接收到优化读写N+1档指令、 优化处理器N+1档指令、 优化内存N+1档指令时， 则据此 将大数据系统配置中IO 设备、 CPU和内存 扩充N+1档， 并在完成扩充后生成优化完成信号； 当接收到优化读写N+2档指令、 优化处理器N+2档指令、 优化内存N+2档指令时， 则据此 将大数据系统配置中IO 设备、 CPU和内存 扩充N+2档， 并在完成扩充后生成优化完成信号。 8.根据权利要求1所述的基于深度学习的大数据系统配置参数监测调优系统， 其特征 在于， 优化迭代训练分析处 理的具体操作步骤如下： 当接收到优化完成信号 时， 获取单位 时间级的大数据系统 的配置特征参数信 息中的进 程量值chei、 内存量值neci和读写量值duxi， 并将其进行归一化分析， 求得第一测试系数 beti； 获取优化后单位时间级的大数据系统的配置特征参数信息中的进程量值chej、 内存量 值necj和读写量 值duxj， 其中， j为大于等于1的正整数， 并将其进行归一 化分析； 将第一测试系数beti与第二测试系数bet* j进行数值大小比较， 若满足beti≥bet* j时，权　利　要　求　书 2/3 页 3 CN 115098334 A 3