Page 149 - 《软件学报》2025年第12期

5530 软件学报 2025 年第 36 卷第 12 期

(2) 基于 SYSBench 的性能对比
基于 DDPG 和 ON-MODDPG 的模型, 均使用容器实例 Tuner2, 在 SYSBench 的 RW 工作负载下, 在模型训练
阶段, 两者性能对比见图 13.
从图 13 显示的实验结果来看, 在 SYSBench 的 RW 工作负载下, 对 MySQL 数据库系统, 使用 DDPG 方法对
其进行参数优化后, 其平均性能为 (1 611.8, 2 490.7); ON-MODDPG 方法对其配置参数 (Knobs) 进行优化后, 其性
能的均值达到了 (2 829.3, 1 069.8) (见表 5), 相比于 DDPG 方法, 平均吞吐量提升约 75%, 平均延迟降低约 57%.
(3) 不同工作负载下, 平均性能对比
为了对比本文提出的方法与 CDBTune 使用的 DDPG 方法在数据库参数调优方面的平均性能, 将基于 TPC-C
+
以及 SYSBench 两个测试基准的 RO、WO 和 RW 工作负载下实验数据处理为平均值的形式展示在图 14 中. 从
图 14 显示的实验结果来看, 相比于 DDPG 方法, 在 TPC-C 工作负载下, ON-MODDPG 方法平均吞吐量提升近似
56%, 平均延迟降低近似 30%, 在 SYSBench 的 RW 工作负载下, 平均吞吐量提升近似 75%, 平均延迟降低近似 57%.

4 000 SMAC 2 500
DDPG SMAC
ON-MODDPG DDPG
3 500 ON-MODDPG
2 000
3 000
Throughput (T/s) 2 500 Latency (ms) 1 500

2 000
1 000
1 500
1 000
500
500
0 0
0 10 20 30 40 0 10 20 30 40
Steps Steps
(a) 吞吐量 (b) 延迟
图 12 基于 TPC-C 的 MySQL 数据库参数优化的性能对比

DDPG DDPG
8 000 ON-MODDPG ON-MODDPG
20 000
6 000 15 000
Throughput (T/s) 4 000 Latency (ms) 10 000

2 000
5 000

0 0
0 20 40 60 80 100 0 20 40 60 80 100
Steps Steps
(a) 吞吐量 (b) 延迟
图 13 基于 SYSBench RW 工作负载的 MySQL 数据库参数优化的性能对比