Restune是一种基于元学习的资源导向调参方法,它可以为云数据库系统提供最优的配置参数,以提高资源利用率和性能。Restune将调参问题抽象成带限制的优化问题,即最小化资源使用率,同时满足SLA的限制。
为了解决这个问题,Restune采用了贝叶斯优化(BO)框架,利用高斯过程(GP)建立参数和性能之间的概率模型,并通过采集函数选择下一个待评估的参数。与传统的BO方法不同,Restune利用了元学习的思想,将历史任务的知识转移到当前任务上,从而加速了调参过程。
Restune还设计了一种动态权重分配机制,根据任务之间的相似度和差异度,动态调整历史任务对当前任务的影响程度。
Restune在多个真实数据集和云数据库系统上进行了实验,结果表明,它可以显著提高资源利用率和性能,同时满足SLA的限制。
这是Restune的总体框架图。
ResTune: Resource Oriented Tuning Boosted by Meta-Learning for Cloud Databases. SIGMOD 2021.
GitHub源代码链接:ResTune/restune at master · shxinding/ResTune · GitHub