参数优化案例:
1、服务器16G内存,峰值最大连接数为500个,使用MyISAM和InnoDB两种引擎。
为操作系统预留20%内存,约3G
2、与线程相关的几个关键参数
sort_buffer_size=2M
read_buffer_size=2M
read_rnd_buffer_size=2M
join_buffer_size=2M
峰值最大将占用500*(2+2+2+2)=4G
3、MyISAM引擎表不多,主要是系统对象
key_buffer_size=16M
key_cache_block_size=64K
myisam_sort_buffer_size=64M
4、剩下的全部分给InnoDB缓存池
innodb_buffer_pool_size=9G
innodb_thread_concurrency=8
innodb_flush_method=O_DIRECT
innodb_log_buffer_size=16M
innodb_flush_log_at_trx_commit=2
经过配置后,MySQL初始化参数文件为
[mysql@mysql1 3306]$ more my.cnf
[client]
port = 3306
socket = /data/mysqldata/3306/mysql.sock
#The MySQL server
[mysqld]
port = 3306
user = mysql
socket = /data/mysqldata/3306/mysql.sock
pid-file = /data/mysqldata/3306/mysql.pid
basedir = /usr/local/mysql
datadir = /data/mysqldata/3306/data
tmpdir = /data/mysqldata/3306/tmp
open_files_limit = 10240
explicit_defaults_for_timestamp
sql_mode = NO_ENGINE_SUBSTITUTION,STRICT_TRANS_TABLES
federated
server_id=1223344556
max_connections = 1000
max_connect_errors = 100000
interactive_timeout = 86400
wait_timeout = 86400
skip-name-resolve
sync_binlog = 0
#Buffer
sort_buffer_size = 2M
read_buffer_size = 2M
read_rnd_buffer_size = 2M
join_buffer_size = 2M
net_buffer_length = 16K
max_allowed_packet = 512M
max_heap_table_size = 512M
bulk_insert_buffer_size = 32M
tmp_table_size = 512M
thread_cache_size = 300
query_cache_size = 128M
query_cache_limit = 1M
query_cache_min_res_unit = 4K
key_buffer_size = 16M
myisam_sort_buffer_size = 64M
myisam_max_sort_file_size = 10G
myisam_repair_threads = 1
#Log
log-bin = /data/mysqldata/3306/binlog/mysql-bin
binlog_cache_size = 32M
max_binlog_cache_size = 512M
max_binlog_size = 512M
#binlog_format = mixed
binlog_stmt_cache_size = 32M
table_open_cache = 2048
binlog_format = statement
log_output = FILE
log-error = /data/mysqldata/3306/mysql-error.log
slow_query_log = 1
slow_query_log_file = /data/mysqldata/3306/slow_query.log
general_log = 0
general_log_file = /data/mysqldata/3306/general_query.log
expire-logs-days = 14
relay-lay = /data/mysqldata/3306/binlog/relay-bin
relay-log-index = /data/mysqldata/3306/binlog/relay-bin.index
#InnoDB
innodb_data_file_path = ibdata1:2048M:autoextend
innodb_log_file_size = 256M
innodb_log_files_in_group = 3
innodb_buffer_pool_size = 9G
innodb_buffer_pool_instances = -1
innodb_max_dirty_pages_pct = 70
innodb_thread_concurrency = 8
innodb_flush_method = O_DIRECT
innodb_log_buffer_size = 16M
innodb_flush_log_at_trx_commit = 2
[mysql]
no-auto-rehash
prompt = (\u@\h) [\d]>\_
default-character-set = gbk
重新测试性能:
[mysql@mysql1 ~]$ /tpcc-mysql/tpcc_start -h localhost -d tpcc -u system -p "123456" -w 1 -c 10 -r 10 -l 20 -f /home/mysql/tpcc_mysql.log -t /home/mysql/tpcc_mysql.rtx
相关推荐
同时,这些案例可能还包括如何设置适应度函数、如何处理约束条件、如何调整算法参数等方面的知识,这些都是优化算法实践中不可或缺的部分。 总之,MATLAB优化算法案例分析与应用源代码为我们提供了一个实践和学习...
### 基于人工鱼群算法的PID参数优化设计 #### 概述 在工业自动化领域,PID(比例-积分-微分)控制算法因其结构简单、易于实施、控制效果优秀及鲁棒性强等特点,成为了最广泛使用的控制策略之一。然而,PID控制器的...
2. 工程设计优化:如结构设计、控制系统参数优化,通过优化算法实现性能指标最大化或成本最小化。 3. 经济建模:在经济学中,优化算法常用于求解资源配置问题。 4. 机器学习:在训练神经网络、支持向量机等模型时...
本文提出了一种基于MATLAB优化工具箱的行星轮系参数优化设计方法,可以合理地分配行星轮系的总传动比,提高传动效率和结构简单性。该方法具有实际应用价值,对传动系统的设计和优化具有重要意义。 关键词 行星轮系...
“公式参数优化”则指出,这个过程不仅涉及算法选择,还涉及对优化对象——即公式本身的参数进行调整,以达到最佳性能。最后,“参数优化”是一个更广泛的概念,指任何优化过程中对模型或算法参数的调整。 根据...
在这个案例中,我们关注的是如何通过参数优化提升支持向量机(SVM)在神经网络中的性能。SVM是一种强大的监督学习模型,尤其在小样本和高维数据集上表现优秀,广泛应用于分类和回归任务。它通过构建最大边距超平面来...
本资源“MATLAB优化算法案例分析与应用(进阶篇)源码”包含了三十个具体的项目实例,旨在帮助用户深入理解和运用MATLAB的优化功能。 首先,让我们了解MATLAB优化工具箱的基础知识。Optimization Toolbox提供了多种...
本案例聚焦于使用MATLAB进行SVM参数优化,以提升分类器的性能。MATLAB作为一个强大的数学计算软件,提供了丰富的工具箱,包括神经网络工具箱和统计与机器学习工具箱,使得SVM的实现和优化变得相对简单。 首先,我们...
总之,这个案例研究旨在通过参数优化来提高SVM和神经网络分类器的性能,利用了MATLAB的优化工具箱以及几种常见的全局优化算法。通过对比不同的优化策略,我们可以深入理解参数对模型性能的影响,并掌握如何在实际...
本案例将介绍如何在MATLAB环境中利用参数优化技术提升这两种分类器的性能。MATLAB是一款强大的计算环境,适合进行各种数值计算和数据分析任务。 首先,我们关注的是支持向量机(SVM)。SVM是一种二分类模型,其基本...
在本资源中,"12.MATLAB神经网络43个案例分析 SVM的参数优化-如何更好的提升分类器的性能.zip",主要聚焦于利用MATLAB进行神经网络和支持向量机(SVM)的学习与实践。MATLAB是数学计算、数据分析和算法开发的强大...
在"12.MATLAB神经网络43个案例分析 SVM的参数优化——如何更好的提升分类器的性能.zip"这个压缩包中,可能包含一系列的MATLAB代码示例和教程,用于演示如何通过调整SVM的关键参数来优化分类效果。这些参数通常包括...
配套案例13 SVM神经网络中的参数优化---提升分类器性能”这一主题,它与机器学习领域中的支持向量机(Support Vector Machine, SVM)以及如何通过参数调整来提升其分类性能有关。SVM是一种强大的监督学习模型,广泛...
标题中的“用PSO优化LSSVM的参数”指的是使用粒子群优化算法(PSO,Particle Swarm Optimization)来调整支持向量机(SVM,Support Vector Machine)的参数。粒子群优化是一种基于群体智能的全局优化算法,常用于...
在本案例中,GA_SVM.zip包含了MATLAB实现的GA优化SVM的代码,它会自动搜索最佳的C和γ值,以最大化模型的泛化性能。 MATLAB作为一种强大的数值计算和可视化环境,提供了方便的工具箱用于实现各种算法,包括遗传算法...
交通事故仿真及参数优化分析是一篇探讨如何利用仿真和优化集成计算方法来重现交通事故过程的研究论文。该研究针对传统交通事故仿真方法中存在的问题,如基于经验的参数选择、模型反复调整以及与真实事故过程之间存在...
PSO可以用于各种机器学习任务,如参数优化、特征选择、模型选择等。例如,在模型训练中,PSO可以寻找最佳超参数组合,以提高模型的泛化能力。通过优化目标函数(如交叉验证误差),PSO可以有效地搜索超参数空间,...
在PID参数优化场景中,每个粒子代表一组可能的PID参数设置,而粒子群通过追踪个体经验最优解和群体经验最优解来调整参数,最终找到能够使得系统性能指标(如快速响应、稳定性、最小超调量等)达到最佳的PID参数组合...