基于强化学习的电力数据存储系统参数自适应调优.pdfVIP

第46 卷 第4 期 2022 年2 月25 日 Vol.46No.4 Feb.25,2022 DOI：10.7500/AEPS20210311001 基于强化学习的电力数据存储系统参数自适应调优 1 1 2 1 屠子健 ，毛莺池 ，吴明波 ，陈 禹 （1. 河海大学计算机与信息学院，江苏省南京市 211100；2. 华能澜沧江水电股份有限公司，云南省昆明市 650214） 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。 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 0 引言 解决上述问题。传统存储系统参数配置固定、不能 自适应优化且资源部署方案原始，系统性能无法满 现有的数据存储系统大多部署于条件优越的专 足日益增大的负载。上述存储系统配置过程的问题 用数据中心。一方面，存储规模随着数据量的动态 使得应用性能受制于存储性能，且受到写操作任务 增加而扩展存储柜，无须考虑部署空间的问题；另一 方面，数据中心由专业的存储运维人员进行配置优 并发影响，性能不断衰减，而使用Ceph分布式软件 ［4-5］ 化与故障处理。特高压互联大电网的建设使得调度 定义存储，可灵活配置参数 ，实现性能的大幅提 自动化系统监控的电网规模越来越大，需要采用更 升。同时，通过调节中央处理器（CPU）、内存、存 为先进的技术支持手段支撑更大范围内调度业务的 储、网络的参数提升动态、复杂电网数据的处理能 ［6-8］ 统一协调和电网运行各类数据的全景监视与分析。 力，且通过建立机器学习模型 自我优化参数，自 特高压互联大电网的建设也使得调度自动化系统需 适应解析所应用的负载，并对应标准化测试场景组 要处理的实时数据量越来越大，多个调度系统间需 合，构建了一个具备优化实时应用数据的服务质量 ［1］ 保证的存储系统性能架构。 要共享的实时数据也越来越多 。但当存储系统部 署在偏远且环境恶劣的电网边缘（如开关站、变电站 针对以上分析和电力数据存储系统中使用的 等）时，在部署空间、性能与鲁棒性等方面均面临严 Ceph系统，本文提出一种基于强化学习的数据负载 峻挑战。 感知自适应配置参数推荐（DACR）方法。该方法利 随着电动汽车、智能家电等智能用电设备的快 用基于强化学习的马尔可夫链蒙特卡洛采样（Q- 速发展，可采集到的智能用电终端也将快速增长，直