首页|基于机器学习的数据库系统自动调参研究

基于机器学习的数据库系统自动调参研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
现代数据库管理系统有成百上千个配置参数,繁琐的参数配置工作已经超出数据库管理员的负荷能力.近年来,机器学习技术因具有较强的学习和泛化能力,为解决数据库调参问题提供了新思路.基于机器学习的数据库自动调参系统能利用已有调优数据训练模型自动推荐最优参数,进而提高数据库管理系统的性能,如降低延迟和增加吞吐量等.使用OtterTune系统对PostgreSQL关系数据库进行自动化调参实验,结果表明,基于机器学习的自动调参系统能将系统吞吐率从个位数提高到百位数,显著提高了数据库管理系统性能.
Automatic Database Tuning Research Based on Machine Learning

陈镭

展开 >

南京审计大学信息工程学院,江苏南京211815

南京大学计算机软件新技术国家重点实验室,江苏南京210023

数据库系统 机器学习 参数调优

南京审计大学校级教改课题南京审计大学青年教师科研培育项目

2021JG05420QNPY011

2021

10.11907/rjdk.211707

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(11)
  • 1
  • 8