CAPES:Unsupervised Storage Performance Tuning Using Neural Network-Based Deep Reinforcement Learning

最近看了一篇利用强化学习进行存储性能调优的论文，写一下读后感

什么是参数调优

---

针对某一设备上正在运行的某一工作负载，不断调整某些参数的值，使得设备可以达到最优的性能，参数调优不会改变硬件、源代码和应用程序。典型的参数一般有：I/O队列深度、RPC速率限制、线程数量和缓冲区大小等。

传统的参数调优存在的问题

---

传统的参数调优是一份十分具有挑战性的工作，而且成本较高：

1. 每个系统、每个工作负载之间是不同的

• 硬件/软件缺陷
• 设备年限

2. 需要雇佣领域专家来做这些工作
3. 找到最优的设置是一个漫长的反复试验的过程
4. 没人能做到7*24小事不间断的参数调优

同时，基于模型的方法通常不具备实操性：

1. 不同的硬件/软件需要不同的模型来解决
2. 没有足够的资源来维护这些模型

因此，必须找到一种新的解决方案

理想的自动化参数调优系统

---

1. 面临的挑战

• 很难将参数变化与性能变化关联起来
• 参数空间巨大

2. 目标

• 最优解是可定制的
• 可以在线训练

3. 特点

• 可以对大范围的参数进行调优
• 模型数量很少
• 不需要提前了解系统或工作负载如何运行的
• 可以在多种系统上工作
• 极短的训练时间
• 稳定
• 不间断工作

用深