一种数据库参数筛选方法及相关设备

专利主权项内容

1.一种数据库参数筛选方法，其特征在于，所述数据库参数筛选方法包括：获取训练数据库配置参数，并对所述训练数据库配置参数进行预处理，得到数据库参数训练集；获取预设规则集，根据所述预设规则集构建参数性能决策树，并将所述参数性能决策树转化为树状神经网络预测模型，其中，所述预设规则集包括所述训练数据库配置参数、所述训练数据库配置参数对应的参数性能、以及所述训练数据库配置参数与所述参数性能之间的对应关系；所述获取预设规则集，根据所述预设规则集构建参数性能决策树，并将所述参数性能决策树转化为树状神经网络预测模型，具体包括：获取预设规则集，并根据所述预设规则集构建内节点和叶节点，并根据所述内节点和所述叶节点构建得到性能预测决策树；将所述性能预测决策树中的所述内节点转化为网络隐藏层，将所述叶节点转化为特征向量，并根据所述网络隐藏层和所述特征向量构建所述树状神经网络预测模型；所述获取预设规则集，并根据所述预设规则集构建内节点和叶节点，并根据所述内节点和所述叶节点构建得到性能预测决策树，具体包括：获取所述预设规则集中的所述训练数据库配置参数以及所述训练数据库配置参数对应的参数性能，根据所述训练数据库配置参数和预设阈值构建内节点，并根据所述参数性能构建叶节点；根据所述内节点和所述叶节点构建所述性能预测决策树，其中，所述内节点对应所述预设规则集，所述叶节点对应所述参数性能；根据所述数据库参数训练集对所述树状神经网络预测模型进行训练，得到参数性能预测模型；根据所述数据库参数训练集对所述树状神经网络预测模型进行训练，得到参数性能预测模型，具体包括：将所述数据库参数训练集输入至所述树状神经网络预测模型中，得到所述数据库参数训练集对应的参数性能预测均值；对所述参数性能预测均值进行交叉熵损失计算，得到损失结果，并根据所述损失结果对所述树状神经网络预测模型进行微调，得到所述参数性能预测模型；所述参数性能预测模型的表达式为：
>其中，为数据库配置参数的参数性能，为当前叶子结点的编号，为树模型的叶子结点，为叶子结点结点的权重，为从内节点到当前叶子结点的路径上的一个节点，为sigmoid函数，为超参数，为特征向量，代表该节点上不同特征对应的权值，是输入的配置参数向量，是节点上不同特征对应的阈值；>>Leaf>>>>>>>>>>>>获取当前数据库配置参数，将所述当前数据库配置参数输入至所述参数性能预测模型，得到所述当前数据库配置参数对应的参数性能；计算所述当前数据库配置参数对所述参数性能的贡献度，并根据所述贡献度对所述当前数据库配置参数进行参数筛选。