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
3404
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
