基于强化学习的电力数据存储系统参数自适应调优

摘要

Ceph系统被广泛应用于电力数据的存储,现有数据中心依赖人工经验对存储配置参数进行优化。但是,人工经验无法适应电网的动态变化,准确性低,无法满足激增的电网边缘快速存储与处理需求。针对以上问题,在电力数据存储系统中提出一种基于强化学习的数据负载感知自适应配置参数推荐方法。该方法基于强化学习的马尔可夫链蒙特卡洛采样算法配置参数样本集和相应的集群性能,使用分层建模方法构建性能预测模型,采用集群性能代价函数与负载相似度估算结合算法,提供负载的快速感知和配置参数的持续优化。实验结果表明,采样效率得到有效提升,预测精度优于现有预测模型,满足电力数据采集系统的运行要求,且寻优耗时也低于现有的黑盒参数调优方法。