典型文献
基于强化学习的电力数据存储系统参数自适应调优
文献摘要：
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.
文献关键词：
Ceph系统;电力物联网;数据负载;配置参数;集群性能;参数调优
中图分类号：
作者姓名：
屠子健;毛莺池;吴明波;陈禹
作者机构：
河海大学计算机与信息学院,江苏省南京市 211100;华能澜沧江水电股份有限公司,云南省昆明市 650214
文献出处：
引用格式：
[1]屠子健;毛莺池;吴明波;陈禹-.基于强化学习的电力数据存储系统参数自适应调优)[J].电力系统自动化,2022(04):112-122
A类：
存储配置,负载感知
B类：
强化学习,数据存储系统,系统参数,参数自适应,Ceph,数据中心,配置参数,激增,数据负载,自适应配置,推荐方法,马尔可夫链,蒙特卡洛,洛采,采样算法,样本集,集群性能,分层建模,性能预测模型,代价函数,合算,持续优化,采样效率,电力数据采集,数据采集系统,运行要求,黑盒,参数调优,电力物联网
AB值：
0.345888
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
