关于通过线性回归来实现线程池的自动调优的讨论

1.一个人提议引起

这虾子(153193053) 10:05:01

想写个工具类来实现线程池的自动调优，大概就是采集一些相关指标，然后利用线性回归来预测最优设置，你们觉得这个靠谱不。

2.和木的建议

1、收集数据；

2、数据建模；

3、用R语言快速验证，得出回归模型

4、用Weka的包引入到监控程序

线性回归到不复杂，不过要收集原始数据，维度比较多；有些是分类变量或者多余参数，就涉及到哑变量和多重共线性的问题。

R语言有些工具，可以自动进行哑变量转换，去掉多余的维度。

这样最终得出的相关系数比较高的回归模型，拟合度较好。

然后呢作为程序员，把Weka中对应的java代码考到你的程序中，就可以给你们老板好好炫一下了

涉及到java线程池，要根据你们的业务场景进行压测，采集数据：

• 主机的CPU个数(建议分为1、2、4、8、16、32)
• 线程池大小（建议至少取10组数据，比如1、2、4、8、16、32、64、128等）
• 测试的TPS
• 对应的CPU使用率
• 对应的磁盘IO
• 对应的网络IO
• 另外，有可能的话，也要对应调整JVM参数(这些回归时分类变量要转换为哑变量)
  • 如垃圾回收策略，是用CMS还是G1
  • 用CMS的话分配给CMS的线程是多少
  • xmx多大？new和old的比例？new中survive和Eden的的比例

这个你要先有调优经验，在丰富经验的基础上，才有可能进行线性回归。如果java调优经验不是很丰富，恐怕会漏掉关键参数。采集样本不准确，即使做线性回归了，最后出来的拟合函数也没有什么意义

开始可以模型简单些，只对应几个核心参数，先落地。