数据库实例管理方法及装置、计算设备转让专利
申请号 : CN202110301310.7
文献号 : CN112685390B
文献日 : 2021-12-21
发明人 : 曹高飞 , 陈杰 , 梁高中 , 李广望 , 李飞飞
申请人 : 阿里云计算有限公司
摘要 :
权利要求 :
1.一种数据库实例管理方法,其特征在于,包括:确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段,其中,任一流量监测指标为对所述数据库实例的访问流量进行监测的参数,所述至少一个流量监测指标从不同的方向对所述数据库实例的访问流量进行确认;
采集所述至少一个流量监测指标当前时间点分别对应的第一监测数据;
针对任一个流量监测指标,利用所述流量监测指标的历史监测数据,确定所述流量监测指标的数据分布特征,以获得所述至少一个流量监测指标分别对应的数据分布特征;
根据任一个流量监测指标的数据分布特征,结合所述流量监测指标的第一监测数据,预测获得所述流量监测指标在所述第一时间段的流量走势信息,以获得所述至少一个流量监测指标分别在第一时间段对应的流量走势信息,其中,所述流量走势信息用于表示对应的流量监测指标在所述第一时间段的数据走向;
根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,确定所述数据库实例在所述第一时间段的目标配置规格;
将所述数据库实例的配置规格调整为所述目标配置规格。
2.根据权利要求1所述的方法,其特征在于,所述根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,确定所述数据库实例在所述第一时间段的目标配置规格包括:
根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,判断所述数据库实例是否需要调整配置规格;
如果是,确定所述数据库实例在所述第一时间段的目标配置规格;
该方法还包括:
如果否,保持所述数据库实例当前的配置规格。
3.根据权利要求2所述的方法,其特征在于,所述根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,判断所述数据库实例是否需要调整配置规格包括:
确定所述至少一个流量监测指标中的负载监测指标;
判断所述负载监测指标在所述第一时间段对应的流量走势信息是否满足高负载状态。
4.根据权利要求2所述的方法,其特征在于,所述如果是,确定所述数据库实例在所述第一时间段的目标配置规格包括:确定引起所述数据库实例配置规格调整的诱因信息;
如果所述诱因信息与预置的原因信息相匹配,基于所述诱因信息,生成第一提示信息,以输出所述第一提示信息;
如果所述诱因信息与预置的原因信息不匹配,确定所述数据库实例在所述第一时间段的目标配置规格。
5.根据权利要求4所述的方法,其特征在于,所述数据库实例配置规格调整的诱因信息的确定步骤包括:
确定所述至少一个流量监测指标中的效率监测指标;
如果所述效率监测指标在所述第一时间段对应的流量走势信息满足效率异常条件,确定所述数据库实例的处理效率异常为引起所述数据库实例配置规格调整的所述诱因信息;
所述预置的原因信息包括:所述数据库实例的处理效率异常。
6.根据权利要求5所述的方法,其特征在于,还包括:如果所述效率监测指标在所述第一时间段对应的流量走势信息不满足效率异常条件,确定所述数据库实例的访问流量异常为引起所述数据库实例调整的诱因信息。
7.根据权利要求1所述的方法,其特征在于,所述数据库实例在所述第一时间段的目标配置规格的确定步骤包括:
根据所述至少一个流量监测指标分别对应的流量走势信息,确定所述至少一个流量监测指标分别对应的第一配置规格;
基于所述至少一个流量监测指标分别对应的第一配置规格,确定所述数据库实例在所述第一时间段对应的目标配置规格。
8.根据权利要求7所述的方法,其特征在于,所述基于所述至少一个流量监测指标分别对应的第一配置规格,确定所述数据库实例在所述第一时间段对应的目标配置规格包括:将所述至少一个流量监测指标分别对应的第一配置规格进行加权求和,获得所述数据库实例在所述第一时间段对应的目标配置规格。
9.根据权利要求7所述的方法,其特征在于,所述基于所述至少一个流量监测指标分别对应的第一配置规格,确定所述数据库实例在所述第一时间段对应的目标配置规格包括:确定所述至少一个流量监测指标中的第一监测指标;
确定所述第一监测指标对应的第一配置规格为所述数据库实例在所述第一时间段对应的目标配置规格。
10.根据权利要求7所述的方法,其特征在于,所述任一个流量监测指标在所述第一时间段的流量走势信息的具体预测步骤包括:针对任一个流量监测指标,根据所述流量监测指标的第一监测数据,按照所述流量监测指标的数据分布特征进行流量数据预测,获得所述第一时间段内的多个预测流量数据构成的所述流量走势信息。
11.根据权利要求10所述的方法,其特征在于,所述任一个流量监测指标对应的第一配置规格的确定步骤包括:
根据任一个流量监测指标所述数据分布特征以及所述流量监测指标对应的流量走势信息,确定所述流量监测指标在第一时间段中存在流量异常的异常时间点;
基于所述异常时间点对应的预测流量数据,确定所述流量监测指标的第一配置规格。
12.根据权利要求10所述的方法,其特征在于,所述将所述数据库实例的配置规格调整为所述目标配置规格包括:
确定所述至少一个流量监测指标中的第二监测指标;
如果所述第二监测指标的数据分布特征为预设第一分布特征,确定所述第二监测指标在第一时间段中存在流量异常的异常时间点;
基于所述第二监测指标的异常时间点以及所述数据库实例的配置规格调整所需要的时间,确定所述数据库实例配置规格的调整时间点;
在到达所述调整时间点时,将所述数据库实例的配置规格调整为所述目标配置规格。
13.根据权利要求12所述的方法,其特征在于,还包括:如果所述第二监测指标的数据分布特征为预设第二分布特征,立即将所述数据库实例的配置规格调整为所述目标配置规格。
14.根据权利要求11或12所述的方法,其特征在于,任一个流量监测指标在第一时间段存在流量异常的异常时间点的确定步骤包括:针对任一个流量监测指标,确定所述流量监测指标在第一时间段的多个预测流量数据中存在数据异常的异常时间点。
15.根据权利要求1所述的方法,其特征在于,所述将所述数据库实例的配置规格调整为所述目标配置规格之后,还包括:在所述数据库实例的配置规格调整之后,采集所述至少一个流量监测指标分别对应的第二监测数据;
根据所述至少一个流量监测指标分别对应的第二监测数据,生成运行提示信息,以输出所述运行提示信息。
16.根据权利要求15所述的方法,其特征在于,还包括:采集所述至少一个流量监测指标当前时间点分别对应的第一监测数据;
针对任一个流量监测指标,计算所述第一监测数据与所述第二监测数据的数据差异,以获得所述至少一个流量监测指标分别对应的差异数据;
根据所述至少一个流量监测指标分别对应的差异数据,生成运行差异信息,以输出所述运行差异信息。
17.一种数据库实例管理方法,其特征在于,包括:响应于针对数据库实例管理接口发起的实例管理请求,获取所述数据库实例管理接口对应的处理资源;
利用所述数据库实例管理接口对应的处理资源执行如下步骤:确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段,其中,任一流量监测指标为对所述数据库实例的访问流量进行监测的参数,所述至少一个流量监测指标从不同的方向对所述数据库实例的访问流量进行确认;
采集所述至少一个流量监测指标当前时间点分别对应的第一监测数据;
针对任一个流量监测指标,利用所述流量监测指标的历史监测数据,确定所述流量监测指标的数据分布特征,以获得所述至少一个流量监测指标分别对应的数据分布特征;
根据任一个流量监测指标的数据分布特征,结合所述流量监测指标的第一监测数据,预测获得所述流量监测指标在所述第一时间段的流量走势信息,以获得所述至少一个流量监测指标分别在第一时间段对应的流量走势信息,其中,所述流量走势信息用于表示对应的流量监测指标在所述第一时间段的数据走向;
根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,确定所述数据库实例在所述第一时间段的目标配置规格;
将所述数据库实例的配置规格调整为所述目标配置规格。
18.一种数据库实例管理装置,其特征在于,包括:第一确定模块,用于确定数据库实例的至少一个流量监测指标以及位于当前时间之后的第一时间段,其中,任一流量监测指标为对所述数据库实例的访问流量进行监测的参数,所述至少一个流量监测指标从不同的方向对所述数据库实例的访问流量进行确认;
走势预测模块,用于采集所述至少一个流量监测指标当前时间点分别对应的第一监测数据;针对任一个流量监测指标,利用所述流量监测指标的历史监测数据,确定所述流量监测指标的数据分布特征,以获得所述至少一个流量监测指标分别对应的数据分布特征;根据任一个流量监测指标的数据分布特征,结合所述流量监测指标的第一监测数据,预测获得所述流量监测指标在所述第一时间段的流量走势信息,以获得所述至少一个流量监测指标分别在第一时间段对应的流量走势信息,其中,所述流量走势信息用于表示对应的流量监测指标在所述第一时间段的数据走向;
第二确定模块,用于根据所述至少一个流量监测指标分别在所述第一时间段对应的流量走势信息,确定所述数据库实例在所述第一时间段的目标配置规格;
规格调整模块,用于将所述数据库实例的配置规格调整为所述目标配置规格。
19.一种计算设备,其特征在于,包括:存储组件与处理组件;所述存储组件用于存储一条或多条计算机指令;所述一条或多条计算机指令被所述处理组件调用以执行权利要求1~
16任一项所述的方法。
说明书 :
数据库实例管理方法及装置、计算设备
技术领域
背景技术
到实例内存,在实例内存中对数据进行增、删、改等操作。数据库实例运行能力、容量的高低
受其配置规格的影响,数据库实例的配置规格主要是指数据库实例的内存、CPU(central
processing unit,中央处理器)内核数量、带宽等配置参数的具体大小,配置规格越大,数
据库实例的容量越高。
以减小数据库实例的配置规格。
在规格调整时间内数据库实例的访问处理压力仍然存在,导致数据库实例的配置规格管理
有效性较差,数据库实例配置规格调整效率较低。
发明内容
的流量走势信息;
的流量走势信息;
所述第一时间段对应的流量走势信息;
以任一种数据库实例管理方法。
在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对应
的流量走势信息。通过数据库实例的历史监测数据,预测未来第一时间段的流量走势信息,
以获得数据库实例的运行趋势,进而在根据至少一个流量监测指标分别在第一时间段对应
的流量走势信息,确定数据库实例在第一时间段的目标配置规格之后,将数据库实例的配
置规格调整为目标配置规格。通过对数据库实例的流量走势进行预测,以预测数据库实例
在第一时间段的目标配置规格,及时将数据库实例的配置规格调整为目标配置规格,实现
数据库实例的配置规格的提前调整,可以避免因流量变化导致的数据库实例调整不够及时
导致数据库使用异常,提高数据库实例的配置规格的调整有效性及准确性。
附图说明
请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根
据这些附图获得其他的附图。
具体实施方式
本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员
在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种,但是不排除
包含至少一种的情况。
情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
果识别(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当识别(陈述
的条件或事件)时”或“响应于识别(陈述的条件或事件)”。
列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情
况下,由语句“包括一个……”限定的要素,并不排除在包括要素的商品或者系统中还存在
另外的相同要素。
实例的管理效率。
较低时,需要对数据库实例的配置规格进行减小。为了确保数据库实例的正常运行,可以实
时监测数据库的访问流量,当访问流量高于第一阈值时,触发数据库实例增大配置规格,当
访问流量低于第二阈值时,触发数据库实例减小配置规格。但是数据库实例扩容需要调度
计算机或者磁盘等硬件设备,调度需要一定的时间,当数据库实例的访问流量变化时,数据
库实例的实际访问流量与数据库实例的配置规格已经不匹配,导致数据库实例的运行异
常,特别是对于访问流量的增加,会导致数据库的使用异常。
标在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对
应的流量走势信息。通过数据库实例的历史监测数据,预测未来第一时间段的流量走势信
息,以获得数据库实例的运行趋势,进而在根据至少一个流量监测指标分别在第一时间段
对应的流量走势信息,确定数据库实例在第一时间段的目标配置规格之后,将数据库实例
的配置规格调整为目标配置规格。通过对数据库实例的流量走势进行预测,以预测数据库
实例在第一时间段的目标配置规格,及时将数据库实例的配置规格调整为目标配置规格,
实现数据库实例的配置规格的提前调整,可以避免因流量变化导致的数据库实例规格调整
不够及时导致数据库使用异常,提高数据库实例的配置规格的调整有效性及准确性。
过多限定。
指标可以预先确定,可以设置至少一个流量监测指标。至少一个流量监测指标可以为:cpu_
usage(cpu(central processing unit中央处理器)使用率)、qps_usage(qps(Queries Per
Second,每秒查询率)使用率)、session_count(会话数量)、logic_read_count(逻辑读数
据)、lock_time(锁等待时间)以及slow_sql_count(慢SQL(Structured Query Language,
结构化查询语言)数量)中的一个或多个。
间与预设的时间窗口长度相加获得的时间点。在又一种可能的设计中,第一时间段的起始
时间可以为当前时间与预设第一时长相加获得的时间点,第一时间段的终止时间可以为起
始时间与预设的时间窗口长度相加获得的时间点。第一时长可以大于数据库实例的配置规
格进行容量调整时所需要的时间。第一时间段的时长可以根据实际的使用需求设置,例如,
在对流量调整较为敏感的技术领域中,可以将第一时间段的时长设置较短,在对流量调整
不够敏感的技术领域中,可以将第一时间段的时长设置较长。
信息。
储流量监测指标的流量监测数据的存储设备读取获得。存储设备可以为数据库。任一个流
量监测指标的历史监测数据可以与该流量监测指标的指标标识关联存储,以便于数据读
取。
一时间段对应的流量走势信息确定。
升趋势,或者还可以确认流量监测指标在第一时间段是否存在流量下降趋势。
量监测指标的一个或多个流量监测指标的流量走势信息包括下降趋势时,目标配置规格可
以小于数据库实例现有的目标配置规格。
包括:目标存储容量、目标内存、目标带宽和/或CPU内核目标数量。其中,由于内存以及CPU
内核数量对数据库实例的处理效率影响度最高,为了对数据库实例进行高效调整,配置参
数可以包括内存以及CPU内核数量。
库实例享有的带宽调整为目标带宽和/或将数据库实例的CPU内核数量调整为目标配置规
格中的CPU内核目标数量。
规格指令中的规格差异执行相应的规格调整处理。例如,目标配置规格中的内存为8G,原有
内存为2G时,可以将数据库实例的内存从2G调整为8G。
标在第一时间段的流量走势信息,以预测获得至少一个流量监测指标分别在第一时间段对
应的流量走势信息。通过数据库实例的历史监测数据,预测未来第一时间段的流量走势信
息,以获得数据库实例的运行趋势,进而在根据至少一个流量监测指标分别在第一时间段
对应的流量走势信息,确定数据库实例在第一时间段的目标配置规格之后,将数据库实例
的配置规格调整为目标配置规格。通过对数据库实例的流量走势进行预测,以预测数据库
实例在第一时间段的目标配置规格,及时将数据库实例的配置规格调整为目标配置规格,
实现数据库实例的配置规格的提前调整,可以避免因流量变化导致的数据库实例调整不够
及时导致数据库使用异常,提高数据库实例的配置规格的调整有效性及准确性。
信息。
在上升趋势或者下降趋势时,可以确定数据库实例的配置规格需要调整,否则,可以确定数
据库实例的配置规格不需要调整。
实例的配置规格是否需要调整进行判断,通过流量走势信息的判断,可以准确确认是否需
要进行配置规格的调整,进而在需要调整时,确定数据库实例在第一时间段的目标配置规
格,并将数据库实例的配置规格调整为该目标配置规格。在不需要调整时,可以保持数据库
实例当前的配置规格。实现数据库实例调整的准确判断,以避免执行无效调整,提高数据库
实例配置规格的调整的准确度,实现有效调整。
判断时,可以利用流量监测指标中属于对数据库实例的负载进行监测的指标进行负载状态
的确认,以进行调整判断。
CPU使用率、qps使用率和/或会话数量等指标。负载监测指标的监测数据越大,负载越高,负
载监测指标的监测数据越小,负载越低。
状态可以包括:负载监测指标对应的监测数据大于预设数据阈值,可以确定负载监测指标
的流量走势信息处于高负载状态。
据库实例未处于高负载状态。
信息。
据库实例的正常使用。数据库实例的处理速度下降,可以从两个角度分析产生该现象的原
因:其中一个原因可以是数据库实例的访问流量变化不大,而数据库实例自身的处理出现
异常,导致数据库实例处理压力增加,确认需要进行配置规格的调整;令一个原因可以是数
据库实例自身的运行正常,但是访问流量增加,导致数据库实例的处理压力增加,需要进行
配置规格的调整。但是,针对数据库实例访问流量变化不大而由数据库实例自身的处理出
现异常现象时,可以对数据库实例进行修复,使数据库实例的运行恢复正常,以减少数据库
实例的处理压力。因此,在确定数据库实例需要进行配置规格调整之后,可以进一步确定引
起数据库实例配置规格调整的诱因信息。诱因信息可以包括数据库实例的访问流量异常或
者数据库实例自身的处理效率异常。
因信息,生成第一提示信息,第一提示信息可以提示引起数据库实例配置规格调整的原因
是数据库实例自身处理效率异常。当诱因信息与预置的原因信息相匹配时,可以不对数据
库实例进行配置规格的调整,而是提醒用户修复数据库实例。
信息为数据库实例产生死锁现象时,可以生成以数据库实例产生死锁现象为主要内容生成
第一提示信息,从而第一提示信息可以提示产生数据库实例运行异常的原因是数据库实例
产生死锁现象。
例的配置规格进行调整。
据,预测该流量监测指标在第一时间段的流量走势信息,以预测获得至少一个流量监测指
标分别在第一时间段对应的流量走势信息。进而根据至少一个流量监测指标分别在第一时
间段对应的流量走势信息。根据至少一个流量监测指标分别在第一时间段对应的流量走势
信息,判断数据库实例是否需要调整配置规格,如果是,则确定引起数据库实例配置规格调
整的诱因信息,进而判断诱因信息与预置的原因信息是否相匹配,如果是,则基于该诱因信
息,生成第一提示信息,以输出该第一提示信息,通过该第一提示信息的诱因是其他原因。
如果该诱因提示信息与预置原因信息不匹配,可以保持数据库实例当前的配置规格,使得
当前配置规格并不调整,而在判断数据库实例需要调整配置规格时,可以将数据库实例调
整为目标配置规格。在对数据库实例是否需要调整配置规格进行判断之后,还可以确认数
据库实例配置规格调整的诱因信息,以进一步对是否进行配置规格的调整进行判断,实现
容量的准确调整,以避免出现无效调整,提高调整的准确度。
率异常。例如,效率监测指标可以包括:锁等待时间和/或慢SQL数量,当锁等待时间大于等
待时间阈值和/或慢SQL数量高于预设查询阈值,可以确定数据库实例的效率监测指标异
常,以确认数据库实例的处理效率异常。
实例配置规格调整的诱因信息为数据库产生死锁现象,进而确定数据库产生死锁现象为诱
因信息。此时,原因信息可以包括:数据库实例产生死锁现象。诱因信息与预置的原因信息
是否匹配的判断步骤可以包括:判断诱因信息是否为数据库实例产生死锁现象,如果确定
诱因信息是数据库实例产生死锁现象,确定诱因信息与预置的原因信息相匹配,如果确定
诱因信息不是数据库实例产生死锁现象,确定诱因信息与预置的原因信息不匹配。
以综合一个或多个流量监测指标分别对应的配置规格,以确定目标配置规格,进而综合考
量多种指标对数据库实例的运行影响,使得数据库实例的配置规格调整更准确。
型,预测获得数据实例在第一时间段对应的目标配置规格。
获得,具体的训练过程可以参考现有的机器学习模型的训练步骤,在此不再赘述。
的历史监测数据所对应的数据分布特征。
检测算法检测该流量监测指标的历史监测数据是否匹配,如果检测该流量监测指标的历史
监测数据满足其中一种分布特征对应的检测算法,进而确定该分布特征即为该流量监测指
标所对应的数据分布特征。
特征数据,在特征数据满足一定的数据需求时,确定该历史监测数据与该分布特征的检测
算法相匹配,否则不匹配。
量监测指标满足无规则的分布特征。
体可以包括:假设历史监测数据包括: ,如果存在τ,使得 在某个
统计特征上区别于 ,则确定该历史监测数据满足该转折点分布特征的
检测算法。
需求时,确定该历史监测数据满足周期性分布特征的检测算法。相关性满足关联需求例如
可以是皮尔逊相关系数大于预置相关阈值。
间上可以具有连续性,例如,X可以为3月10日00:00 23:59采集的历史监测数据,Y可以为3
~
月11日00:00 23:59采集的历史监测数据。
~
值 , ,其中,Xt为历史监测数据,t为历史监测
数据的序列坐标。然后利用异常检测算法,确定历史监测数据分别对应的均值漂移值中的
断层点或者异常点信息,如果检测到断层点或者异常点可以确定历史监测数据具有均值漂
移的分布特征,断层点或异常点可以作为历史监测数据一种均值漂移分布特征,进而完成
该历史监测数据的特征检测。
标分别在第一时间段对应的流量走势信息。
特征结合流量监测指标当前的第一监测数据来预测该监测指标检测在第一时间段的流量
走势信息。通过数据分布特征的确定,可以对各个流量监测指标的在第一时间段的流量监
测数据进行准确预测,以获得准确的流量走势信息,进而通过准确的流量走势信息对数据
库实例在第一时间段的目标配置规格进行准确预测,进而执行将数据库实例的配置规格调
整为目标配置规格时,可以确保配置规格的调整的准确性,实现数据库配置规格的准确调
整。
监测指标对应的流量走势信息,以及输出为该流量走势信息对应的配置规格。至少一个流
量监测指标可以分别训练一个容量预测模型,以获得至少一个流量监测指标分别对应的配
置规格。进而再综合至少一个流量监测指标分别对应的第一配置规格,确定第一时间段对
应的目标配置规格。
走势信息。
对应的时间点。可以根据异常时间点对应的预测流量数据,确定该流量监测指标的第一配
置规格。
量数据中任意两个相邻的预测流量数据之间的数据差,若任一个数据差的绝对值大于预设
差阈值,则可以确定该数据差对应的两个相邻预测流量数据中后一个预测流量数据所在时
间点为存储流量异常的异常时间点。
量监测指标在至少一个子时间段分别对应的方差,确定方差大于方差阈值的目标方差所对
应的子时间段的时间中点为异常时间点。时间窗口的长度具体可以根据第一时间段的长短
确定,例如,第一时间段为30分钟时,时间窗口可以设置为30秒。此外,为了获取更准确的异
常时间点,还可以对目标方差所对应的子时间段进行二次窗口扫描,二次窗口扫描的时间
窗口小于第一次扫描的时间窗口,例如,假设第一次扫描的时间窗口为30秒,第二次扫描的
时间窗口可以为2秒。异常时间点可以为最后确定的时间窗口中最后一个预测流量数据对
应的时间点。
中,前一个预测流量数据大于后一个预测流量数据,流量变化量为正值,流量数据减少,该
流量监测指标的第一配置规格小于数据库实例当前的配置规格;若异常时间点对应两个相
邻预测流量数据中前一个预测流量数据小于后一个预测流量数据,流量变化量为负值,流
量数据增加,该流量监测指标的第一配置规格大于数据库实例当前的配置规格。
间点的相关描述,在此不再赘述。
时间。
整,提高调整的有效性。
息。
数据库实例的持续性监测。
法的又一个实施例的流程图,该方法可以包括以下几个步骤:
息;
处理步骤相同,各个技术特征的具体实现方式以及技术效果已在图1所示实施例中详细描
述,在此不再赘述。
品查询服务。参考图7,用户可以通过用户终端M1,例如,手机、平板电脑、计算机、智能音箱、
可穿戴设备等终端发起查询请求,这些查询请求即通过商品数据库实例M2实现。假设本申
请实施例提供的数据库实例管理方法运行于云服务器M3。
得至少一个流量监测指标分别在第一时间段对应的流量走势信息。进而,云服务器M3可以
根据至少一个流量监测指标分别在第一时间段对应的流量走势信息,确定703商品数据库
实例M2在第一时间段的目标配置规格。从而将商品数据库实例M2的配置规格调整704为目
标配置规格。
例M2调整为目标配置规格。
对应的流量走势信息。
息;
布特征;
个流量监测指标分别在第一时间段对应的流量走势信息。
走势信息。
测流量数据,确定流量监测指标的第一配置规格。
的各个步骤的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐
述说明。
件902;存储组件901用于存储一条或多条计算机指令;一条或多条计算机指令被处理组件
902调用以执行图1等实施例所示的数据库实例管理方法。
数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵
列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程
只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
备、输入设备等。通信组件被配置为便于计算设备和其他设备之间有线或无线方式的通信
等。
例管理方法。
可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的
部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳
动的情况下,即可以理解并实施。
现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算
机产品的形式体现出来,本申请可采用在一个或多个其中包含有计算机可用程序代码的计
算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程
序产品的形式。
以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;
而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和
范围。