(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 202111669731.1 (22)申请日 2021.12.3 0 (71)申请人 天翼电子商务有限公司 地址 100037 北京市西城区阜成门外大街 31号4层429D (72)发明人 从光辉　王全福　张璐波　 (51)Int.Cl. G06F 11/34(2006.01) G06F 11/30(2006.01) G06F 8/41(2018.01) G06F 16/21(2019.01) G06N 20/00(2019.01) G06N 3/02(2006.01) (54)发明名称 一种基于自主学习的系统调优 方法、 框架及 其装置 (57)摘要 本发明公开了一种基于自主学习的系统调 优方法、 框架及其装置。 当前一个系统的调优过 程涉及到繁重的重复测试和调适工作， 需要投入 大量的人力和经历漫长调优过程方能取得较好 的优化结果。 本案的自主系统调优方案， 可以自 行完成工作 负载激发， 性能评价， 参数调适， 以及 实现基于时间、 迭代周 期或者人工干预的停机， 最终获得系统最优解或局部最优解。 整个过程完 全自动化完成， 无需人为参与， 从而释放了人力 资源。 同时， 完全自动化的调优 过程， 无人工参与 也可以显著加速调优过程， 大 大缩短调优周期。 权利要求书1页 说明书4页 附图2页 CN 114528194 A 2022.05.24 CN 114528194 A 1.一种基于自主学习的系统调优方法、 框架及其装置， 其特 征在于， 包括以下步骤： (1)算法模块 通过初始构建w orkload测试case， 将case交由给w orkload控制器； (2)workload控制器获取到相应的case， 通过控制器的case生成相应的测试数据， 对被 测系统进行压力测试； (3)被测系统在压力测试 下会产生 一系列数据； (4)性能收集器收集被测系统的测试数据， 进行清洗， 分析工作， 将最终分析的结果传 递给比较 器； (5)比较器将性能收集器收集过来的不同参数下的性能情况进行对比， 将每个参数的 下的性能情况比较， 并进行整理， 交由算法模块进行处理， 最终整理的结果存储下来， 以便 进行分析； (6)算法模块获取到数据后， 主要处理两个问题， 一是建立在比较器的基础 之上评价不 同参数下系统的性能， 然后进一步基于各个参数特性作出新的调参决策， 把调参决策下发 到调参器， 此过程持续迭代， 直到当调节任何参数都无法提高系统的性能时， 另一个是为 workload提供工作负载策略， 通过比较器中处理的数据， 在算法模块中进行计算后续的工 作负载如何进行； 算法模块主要是将通过算法的原理和思想进行对参数取值， 然后根据取 值情况， 再进一步对参数取值， 如此循环往复， 最终获取到最优的参数和最优的结果； 上面 说到的不限具体的算法， 例如 梯度下降思想、 回归算法、 神经网络以及聚类算法； (7)调参器收到调参结果后， 对系统进行调参， 并使被测系统在调 节后的参数下进行运 行； (8)workload收到算法模块的测试case后进行下一轮测试， 如此循环(1)， (2)， (3)， (4)， (5)， (6)， (7)步骤， 获取到最 好性能下的参数。权　利　要　求　书 1/1 页 2 CN 114528194 A 2一种基于自主学习的 系统调优方 法、 框架及其装 置 技术领域 [0001]本发明涉及测试自动化、 软件系统调优、 机器学习领域， 特别涉及一种基于自主学 习的系统调优方法、 框架及其装置 。 背景技术 [0002]随着互联 网软件的产品不断的发展， 需要迭代更新比较快， 软件测试越发重要， 为 了达到生产的最优和稳定性， 需要耗费大量的人力资源进行测试调优， 人工调优， 参数调节 可能会覆盖不全面， 不能找到最优结果； [0003]当前一个系统的调优过程涉及到繁重的重复测试和调适工作， 需要投入大量的人 力和经历漫长调优过程方能取得较好的优化结果。 本案的自主系统调优方案， 可以自行完 成工作负载激发， 性能评价， 参数调适， 以及实现基于时间、 迭代周期或者人工干预的停机， 最终获得系统最优解或局部最优解。 整个过程完全自动化完成， 无需人为参与， 从而释放了 人力资源。 同时， 完全自动化的调优过程， 无人工参与也可以显著加速调优过程， 大大缩短 调优周期。 发明内容 [0004]本发明要解决的技术问题是克服现有技术的缺陷， 提供一种基于自主学习的系统 调优方法、 框架及其装置 。 [0005]本发明提供了如下的技 术方案： [0006]本发明提供一种基于自主学习的系统调优方法、 框架及其装置， 包括以下步骤： [0007](1)算法模块 通过初始构建w orkload测试case， 将case交由给w orkload控制器； [0008](2)workload控制器 获取到相应的case， 通过控制器的case生成相应的测试数据， 对被测系统进行压力测试； [0009](3)被测系统在压力测试 下会产生 一系列数据； [0010](4)性能收集器收集被测系统的测 试数据， 进行清洗， 分析等工作， 将最终分析的 结果传递给比较 器； [0011](5)比较器将性能收集器收集过来的不同参数下的性能情况进行对比， 将每个参 数的下的性能情况比较， 并进行整理， 交由算法模块进行处理， 最终整理的结果存储下来， 以便进行分析； [0012](6)算法模块获取到数据后， 主要处理两个问题， 一是建立在比较器的基础之上评 价不同参数下系统的性能， 然后进一步基于各个参数特性作出新的调参决策， 把调参决策 下发到调参器， 此过程持续迭代， 直到 当调节任何参数都无法提高系统的性能时， 另一个是 为workload提供工作负载策 略， 通过比较器中处理的数据， 在算法模块中进行计算后续的 工作负载如何进行； 算法模块主要是将通过算法的原理和思想进行对参数取值， 然后根据 取值情况， 再进一步对参数取值， 如此循环往复， 最终获取到最优的参数和最优的结果； 上 面说到的不限具体的算法， 例如 梯度下降思想、 回归算法、 神经网络以及聚类算法等；说　明　书 1/4 页 3 CN 114528194 A 3