本发明涉及数据库技术领域，尤其涉及数据库性能监控和诊断技术。
背景技术：
数据库是信息化基础设施的核心组件，数据库异常诊断和性能优化是软件开发人员、数据库管理员(以下简称dba)和系统运维工程师等岗位面临的重要问题，是各种业务系统能够稳定运行的关键。业务系统在使用数据库时，一般要考虑两个性能指标：第一个指标是时延，指的是一个请求(对数据库表格的增加、删除、查询或修改等操作)从提交到完成需要的时间，例如10毫秒，这个指标的值越小越好。第二个指标是吞吐，指的是数据库单位时间内能够处理的请求值，例如1200请求/秒，这个值越大越好。通常情况下，这两个性能只有保持在一定的范围内，业务系统才能正常运行。
由于硬件故障(例如硬盘损坏)、软件故障(例如不合理的sql语句)等原因，会导致数据库失效或性能急剧下降，以致业务中断。例如性能指标时延从10毫秒变成了5秒。传统的数据库异常诊断和性能优化方法过程如下：数据库失效或性能急剧下降以后，dba接到用户反馈，首先查看数据库系统运行日志文件，利用dba个人经验，依据数据库日志文件例如binlog提示信息，分析和定位问题，尝试解决方案并实施，这个过程会重复多次直到数据库恢复正常，业务系统正常运转。
具体地，针对mysql的监控工具pt-query-digest和mysqldumpshow分别都实现了对慢日志进行分析和可视化显示，perconatoolkit工具集也提供了一系列的工具来监控mysql数据库。但是，这些工具都过于依赖运维人员的个人经验。
中国专利“cn111459905amysql数据库监控脚本的实现方法及系统”提出了一种基于python实现的监控脚本，从数据库运行日志中获取一些系统运行状态，例如增加、删除、修改和查询操作次数，平均等待时间，慢查询量。进一步计算一些特征指标如缓存命中率等。该方法做到了间隔时间数据采集和显示，但是没有直接提供智能诊断和性能优化的功能。
已有的数据库异常诊断和性能优化方法存在三个主要缺陷，分别是：
一、非实时，dba总是在数据库出现问题以后，才能着手开始分析日志，定位解决问题，而这时已经对业务系统的正常运行产生了不良影响；
二、缺少智能诊断，解决问题的效率严重依赖于dba个人经验，而优秀的dba雇佣成本很高，或需要长时间的成长；
三，规模小，一位dba一次只能处理一台数据库服务器，如果业务系统使用了多台服务器，一位dba很明显无法应对。
技术实现要素：
本发明的目的在于提供一种基于消息中间件的数据库性能实时监控和诊断方法，旨在解决现有方法非实时、缺少智能诊断、规模小的技术问题。
为达到上述目的，本发明提供的方案是：一种基于消息中间件的数据库性能实时监控和诊断方法，所述方法包括：采集数据库所在节点的数据库系统运行特征；采集数据库所在节点的操作系统运行特征；将采集的数据库系统运行特征和操作系统运行特征发送到消息中间件；控制节点从消息中间件实时获取所述数据库系统运行特征和操作系统运行特征并存储；以所述数据库系统运行特征和操作系统运行特征数据为输入，以数据库性能指标为输出，训练性能模型；实时调用所述性能模型，根据所述性能模型输出的信息，定位影响性能指标的数据库操作，指导系统管理员进行问题处置。
可选地，将在一台或多台数据库节点采集的所述数据库系统运行特征和操作系统运行特征进行编码压缩后，通过数据发送单元提交至所述消息中间件。
可选地，数据接收单元实时从所述消息中间件的发布/订阅功能获取所述数据库系统运行特征和操作系统运行特征数据后，按照特征来源所在的数据库节点ip和时间戳存储数据。
可选地，所述数据库性能指标包括吞吐t或时延l，所述数据库系统运行特征包括每秒的查询数量、每秒的事务数量、平均每个查询消耗的时间、键值的缓存命中率、查询缓存的命中率、表格锁定状态、临时表与实际表数量的比值、打开的文件数与表格数量、耗时的慢查询、慢查询对应的频次，所述操作系统运行特征包括cpu利用率、cpu负载、进程切换、内存利用率、磁盘读速度、磁盘读次数、磁盘写速度、磁盘写次数、网络发送速度、网络发送次数、网络接收速度、网络接收次数。
可选地，构建性能指标吞吐t的性能模型的过程包括：在某一个时刻，操作系统运行特征、数据库系统运行特征和性能指标吞吐t形成了一个向量<a1，a2，a3，......，an，t>，其中ai代表第i个特征，一段时间之后，操作系统运行特征、数据库系统运行特征与性能指标吞吐t形成了一个矩阵amn，
采用sgbrt(stochasticgradientboostedregressiontree)随机梯度下降回归树构建独立变量t的性能模型，计算因变量的重要性，其中，对任意一棵树t，使用
其中，nt是xj在树t模型分解过程中被选择的次数，p2(i)是树模型在第ith次分解后方差的改进，如果xj被集成模型中的m棵树当做分解依据，该模型中xj的重要性可表示为：
重要性被计算出来后，将这些特征的重要性进行归一化，使所有特征的重要性的总和为100％，重要性越大，则该因变量对性能指标吞吐t的影响越大；
同样地，采用sgbrt随机梯度下降回归树构建性能指标时延l的性能模型，计算因变量的重要性，重要性越大，则该因变量对性能指标时延l的影响越大。
本发明还提供一种基于消息中间件的数据库性能实时监控和诊断系统，所述系统包括：
数据采集单元a，用于定时采集数据库系统运行日志，根据运行日志的信息计算数据库系统运行特征，将数据库系统运行特征进行编码压缩后，提交到数据发送单元；
数据采集单元b，用于采集操作系统运行特征，将操作系统运行特征进行编码压缩后，提交到数据发送单元；
数据发送单元，用于接收数据采集单元a和数据采集单元b提交的数据，并将数据提交到消息中间件；
消息中间件，数据发送单元将采集的特征提交到消息中间件，数据接收单元从消息中间件获取数据；
数据接收单元，用于实时从消息中间件的发布/订阅功能获取数据，将这些数据保存在数据存储单元；
数据存储单元，用于按特征来源所在的数据库节点ip和时间戳存储数据；
性能模型训练单元，用于建立以数据库系统运行特征和操作系统运行特征数据为输入，数据库性能指标为输出的模型，所述模型能够甄别影响性能的最关键因素；
性能诊断单元，当接收到数据库系统运行特征和操作系统运行特征数据和性能指标时，能够利用在性能模型训练单元中训练出来的模型，定位影响性能指标的数据库操作。
可选地，所述数据采集单元a、数据采集单元b和数据发送单元运行在数据库所在节点，并且可在一台或多台数据库节点上运行。
可选地，所述数据接收单元、数据存储单元、性能模型训练单元、性能模型诊断单元和用户交互单元运行在性能模型工作节点。
可选地，性能模型训练单元采用sgbrt随机梯度下降回归树构建性能指标的性能模型，计算因变量的重要性，重要性越大，则该因变量对性能指标的影响越大。
可选地，还包括用户交互单元，用于显示数据库的实时运行状态和异常情况的诊断信息以及管理员通过所述用户交互单元向所述性能诊断单元或所述性能模型训练单元发送命令，构建并更新性能模型。
本发明提供的数据库性能实时监控和诊断方法和系统，实时采集数据库所在节点的操作系统运行特征、数据库运行特征和性能指标，通过消息中间件传输到控制节点，控制节点通过采集到的数据建立性能模型，实时调用所述性能模型，根据所述性能模型输出的信息，定位影响性能指标的数据库操作，指导系统管理员进行问题处置，从而达到实时、智能诊断、大规模管理的目的，极大地提高了效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1是根据本发明实施方式的数据库性能实时监控和诊断方法的详细工作流程图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
接下来以mysql数据库为例详细阐述本发明的技术方案。图1是根据本发明实施方式的数据库性能实时监控和诊断方法的详细工作流程图。如图1所示，本发明提出的数据库性能实时监控和诊断方法包括下列步骤：采集mysql数据库所在节点的数据库系统运行特征；采集数据库所在节点的操作系统运行特征；将采集的数据库系统运行特征和操作系统运行特征发送到消息中间件kafka；控制节点从消息中间件kafka实时获取所述数据库系统运行特征和操作系统运行特征并存储；以所述数据库系统运行特征和操作系统运行特征数据为输入，以数据库性能指标为输出，训练性能模型；实时调用所述性能模型，根据所述性能模型输出的信息，定位影响性能指标的数据库操作，指导系统管理员进行问题处置。在此过程中，消息中间件kafka作为安全、快速、稳定和可靠的数据传输通道，接收并传输采集到的数据库系统运行特征和操作系统运行特征数据，控制节点通过采集到的数据建立性能模型，接下来实时调用所述性能模型，根据所述性能模型输出的信息，定位影响性能指标的数据库操作，从而达到实时、智能诊断的目的。
优选地，所述数据库性能实时监控和诊断方法将在一台或多台数据库节点采集的所述数据库系统运行特征和操作系统运行特征进行编码压缩后，通过数据发送单元提交至所述消息中间件kafka。该方法可以同时对多台数据库节点进行数据采集并传输，以实现大规模管理，极大地提高诊断效率。
优选地，数据接收单元实时从所述消息中间件kafka的发布/订阅功能获取所述数据库系统运行特征和操作系统运行特征数据后，按照特征来源所在的数据库节点ip和时间戳存储数据，以便后续调取并发送数据。
优选地，所述数据库性能指标包括吞吐t或时延l，所述数据库系统运行特征包括每秒的查询数量、每秒的事务数量、平均每个查询消耗的时间、键值的缓存命中率、查询缓存的命中率、表格锁定状态、临时表与实际表数量的比值、打开的文件数与表格数量、耗时的慢查询、慢查询对应的频次，所述操作系统运行特征包括cpu利用率、cpu负载、进程切换、内存利用率、磁盘读速度、磁盘读次数、磁盘写速度、磁盘写次数、网络发送速度、网络发送次数、网络接收速度、网络接收次数。需要说明的是，采集的数据库运行特征和操作系统运行特征包括但不限于上述例举的内容。
优选地，所述数据库性能指标包括吞吐t或时延l，构建性能指标吞吐t的性能模型的过程包括：在某一个时刻，操作系统运行特征、数据库系统运行特征和性能指标吞吐t形成了一个向量<a1，a2，a3，......，an，t>，其中ai代表第i个特征，一段时间之后，操作系统运行特征、数据库系统运行特征与性能指标吞吐t形成了一个矩阵amn，
采用sgbrt(stochasticgradientboostedregressiontree)随机梯度下降回归树构建独立变量t的性能模型，该模型的输入是操作系统和mysql的运行特征，用<s>表示，输出是数据库的性能指标吞吐t。基于sbbrt构建的性能模型，可以量化分析影响性能指标t的性能特征的重要性。
sgbrt通过组合多个独立的回归树，以这些回归树输出的结果为基础，再做最后的预测或分类。因此，业界普遍认为由sgbrt建立的模型比传统的机器学习建立的模型，精确度高，鲁棒性更好。sgbrt在一系列应用领域取得了很好的效果，sgbrt的构建只需要相对较少的训练集。因此，本发明采用sgbrt作为技术方案中的性能模型。
首先以性能指标吞吐t为例，一旦建立起独立变量t的性能模型，就可以开始计算这些因变量的重要性。其中，对任意一棵树t，使用
其中，nt是xj在树t模型分解过程中被选择的次数，p2(i)是树模型在第ith次分解后方差的改进。例如，在第ith次分解以后，p(i)是t的相对错误(ti-ti-1)/ti-1。如果xj被集成模型中的m棵树当做分解依据，该模型中xj的重要性可表示为：
重要性被计算出来后，将这些特征的重要性进行归一化，使所有特征的重要性的总和为100％，重要性越大，则该因变量对性能指标吞吐t的影响越大。
同样地，采用sgbrt随机梯度下降回归树构建性能指标时延l的性能模型，计算因变量的重要性，重要性越大，则该因变量对性能指标时延l的影响越大。
图1还示出了一种基于消息中间件的数据库性能实时监控和诊断系统。如图1所示，本发明涉及以下这些模块：运行在mysql数据库所在节点的数据采集单元a、数据采集单元b和数据发送单元；消息中间件kafka，运行在性能模型工作节点即控制节点上的数据接收单元、数据存储单元、性能模型训练单元、性能诊断单元和用户交互单元。
其中数据采集单元a、数据采集单元b和数据发送单元等三个单元同时部署运行在mysql数据库的节点上。并且，可在一台或多台mysql数据库节点上部署。消息中间件kafka是一个开源的消息中间件，本发明中消息中间件kafka提供安全、快速、稳定和可靠的数据传输通道。
如图1所示，本发明提出的数据库性能实时监控和诊断系统包括：
(1)数据采集单元a，负责定时采集mysql数据库系统的运行日志，并根据日志信息计算一系列数据库运行特征。详细的日志信息如表1所示。需要说明的是，采集的数据库运行特征包括但不限于表1中的内容。采集到数据库运行特征数据以后，将数据库运行特征数据进行编码压缩，提交到数据发送单元。需要说明的是，可在一台或多台数据库所在节点对数据库运行特征进行采集并提交至数据发送单元。
表1mysql运行特征
(2)数据采集单元b，负责采集数据库所在节点的cpu、内存、磁盘和网络等操作系统资源利用情况。具体的操作系统运行特征参见表2的内容，采集到操作系统运行特征数据以后，将操作系统运行特征数据进行编码压缩，提交到数据发送单元。需要说明的是，可在一台或多台数据库所在节点对操作系统运行特征进行采集并提交至数据发送单元。
表2操作系统运行特征
(3)数据发送单元，接收到数据采集单元a提交的mysql运行特征数据和数据采集单元b提交的操作系统系统运行特征数据，再将数据提交到消息中间件kafka。
(4)消息中间件kafka，在分布式环境下为数据发送单元和数据接收单元提供可靠、安全、高效的消息传输通道。数据发送单元将采集的运行特征提交到消息中间件，数据接收单元从消息中间件获取数据。
(5)数据接收单元，实时从消息中间件kafka的发布/订阅功能实时获取数据，将这些数据保存在存储单元。
(6)数据存储单元，按一定的规则存储数据，例如按特征来源所在的数据库节点ip和时间戳存储数据。
(7)性能模型训练单元，建立以操作系统运行特征和mysql运行特征为输入，数据库性能指标为输出的模型。所述模型能量化影响系统性能的关键因素，甄别影响性能的最关键因素。
(8)性能诊断单元，性能诊断单元接收到系统运行特征和性能指标时，能够利用(7)中训练出来的模型，定位影响性能指标的数据库操作，从而进一步指导系统管理员进行问题处置。
该系统性能诊断的核心是构建性能模型，性能模型的输入是操作系统和数据库运行时的特征，输出是数据库的实时性能指标。为了构建性能模型，首先要进行数据采集。
来自操作系统的特征可以是每秒钟数据传输的字节数(单位mb/s，兆字节每秒)，cpu利用率(百分比)等特征，具体如表2所示；来自mysql运行日志的特征可以是缓存命中率(单位百分比)，表格锁定状态(百分比)，具体如表1所示；数据库mysql的性能指标为吞吐t或时延l，t为吞吐(throughput)，l为时延(latency)。
某一个时刻，操作系统的运行特征、mysql的运行特征和性能指标形成了一个向量<a1，a2，a3，......，an，t>，其中ai代表第i个特征。一段时间之后，系统的运行特征与性能指标形成了一个矩阵amn。
本发明采用sgbrt(stochasticgradientboostedregressiontree)随机梯度下降回归树构建性能模型，该模型的输入是操作系统和mysql的运行特征，用<s>表示，输出是数据库的性能指标吞吐或时延，用t或l表示。基于sbbrt构建的性能模型，可以量化分析影响性能指标t和l的性能特征的重要性。
sgbrt通过组合多个独立的回归树，以这些回归树输出的结果为基础，再做最后的预测或分类。因此，业界普遍认为由sgbrt建立的模型比传统的机器学习建立的模型，精确度高，鲁棒性更好。sgbrt在一系列应用领域取得了很好的效果，sgbrt的构建只需要相对较少的训练集。因此，本发明采用sgbrt作为技术方案中的性能模型。
具体地，以性能指标吞吐t为例，一旦建立起独立变量t的性能模型，就可以开始计算这些因变量的重要性。性能模型的工作原理如下：对任意一棵树t，使用
其中，nt是xj在树t模型分解过程中被选择的次数，p2(i)是树模型在第ith次分解后方差的改进。例如，在第ith次分解以后，p(i)是t的相对错误(ti-ti-1)/ti-1。如果xj被集成模型中的m棵树当做分解依据，该模型中xj的重要性可表示为:
一旦这些变量(特征)的重要性被计算出来，首先将这些特征的重要性进行归一化，使所有特征的重要性的总和为100％。某个特征重要性的值越大，意味着其对特定性能指标的影响最大。
类似地，对性能指标时延l也采用类似的操作，采用sgbrt随机梯度下降回归树构建性能指标l的性能模型，计算因变量的重要性，重要性越大，则该因变量对性能指标l的影响越大。
优选地，所述系统还可包括用户交互单元，用于系统管理员与监控和诊断系统的交互。该交互单元主要有两方面的作用：一，向管理员显示数据库的实时运行状态和异常情况的诊断信息；二，管理员通过所述交互单元界面向所述性能诊断单元或所述性能模型训练单元发送命令，指定数据库、时间范围或系统运行特征等条件构建新的性能模型，并更新性能模型。
具体地，本发明的技术方案已在中职物联(北京)有限公司的物联网大数据平台进行了实施。该平台部署了10个mysql数据库，通过该发明的技术方案，一个系统管理员可以实时监控多个mysql数据库的性能，并借助于该解决方案快速定位故障。具体的过程如下描述：
(1)使用bash和iostat实现自动化脚本定时获取数据库所在节点的操作系统的运行特征，使用bash操作mysqlshell定时获取mysql的运行特征和性能指标，这些运行特征和性能指标形成了单个样本数据；
(2)当样本数达到一定数量以后，开始训练性能模型，模型以运行特征为输入，性能指标为输出，标记为y＝model(x1,x2,x3,…xn)；
(3)实时性能诊断单元在收到最新的运行特征数据和性能指标以后，运行(2)中的性能模型。性能模型的输出会标记特征的重要性，使特征按重要性排序；
(4)管理员根据输出的提示信息，定位排查问题。例如，某个查询q1很耗时，网络发送数据量很大，很可能是进行了全表扫描和数据传输。
本发明提出的系统定时采集数据进行实时监控和诊断，不再过于依赖dba的个人经验，采用sgbrt随机梯度下降回归树构建性能模型，以操作系统和mysql的运行特征作为输入，以数据库的吞吐和时延等性能指标作为输出，从而构建性能模型，基于这些性能模型，可以量化分析影响性能指标吞吐t和延时l性能特征的重要性，计算出影响性能的最关键因素。一方面，可以定位当前mysql操作，通过性能模型实现了智能诊断，另一方面，可以实现大规模管理，一位dba可以处理多台数据库服务器。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
1.一种基于消息中间件的数据库性能实时监控和诊断方法，其特征在于，所述方法包括：采集数据库所在节点的数据库系统运行特征；采集数据库所在节点的操作系统运行特征；将采集的数据库系统运行特征和操作系统运行特征发送到消息中间件；控制节点从消息中间件实时获取所述数据库系统运行特征和操作系统运行特征并存储；以所述数据库系统运行特征和操作系统运行特征数据为输入，以数据库性能指标为输出，训练性能模型；实时调用所述性能模型，根据所述性能模型输出的信息，定位影响性能指标的数据库操作，指导系统管理员进行问题处置。
2.根据权利要求1所述的基于消息中间件的数据库性能实时监控和诊断方法，其特征在于，将在一台或多台数据库节点采集的所述数据库系统运行特征和操作系统运行特征进行编码压缩后，通过数据发送单元提交至所述消息中间件。
3.根据权利要求1所述的基于消息中间件的数据库性能实时监控和诊断方法，其特征在于，数据接收单元实时从所述消息中间件的发布/订阅功能获取所述数据库系统运行特征和操作系统运行特征数据后，按照特征来源所在的数据库节点ip和时间戳存储数据。
4.根据权利要求1所述的基于消息中间件的数据库性能实时监控和诊断方法，其特征在于，所述数据库性能指标包括吞吐t或时延l，所述数据库系统运行特征包括每秒的查询数量、每秒的事务数量、平均每个查询消耗的时间、键值的缓存命中率、查询缓存的命中率、表格锁定状态、临时表与实际表数量的比值、打开的文件数与表格数量、耗时的慢查询、慢查询对应的频次，所述操作系统运行特征包括cpu利用率、cpu负载、进程切换、内存利用率、磁盘读速度、磁盘读次数、磁盘写速度、磁盘写次数、网络发送速度、网络发送次数、网络接收速度、网络接收次数。
5.根据权利要求4所述的基于消息中间件的数据库性能实时监控和诊断方法，其特征在于，构建性能指标吞吐t的性能模型的过程包括：在某一个时刻，操作系统运行特征、数据库系统运行特征和性能指标吞吐t形成了一个向量<a1，a2，a3，......，an，t>，其中ai代表第i个特征，一段时间之后，操作系统运行特征、数据库系统运行特征与性能指标吞吐t形成了一个矩阵amn，
采用sgbrt(stochasticgradientboostedregressiontree)随机梯度下降回归树构建独立变量t的性能模型，计算因变量的重要性，其中，对任意一棵树t，使用
其中，nt是xj在树t模型分解过程中被选择的次数，p2(i)是树模型在第ith次分解后方差的改进，如果xj被集成模型中的m棵树当做分解依据，该模型中xj的重要性可表示为：
重要性被计算出来后，将这些特征的重要性进行归一化，使所有特征的重要性的总和为100％，重要性越大，则该因变量对性能指标吞吐t的影响越大；
同样地，采用sgbrt随机梯度下降回归树构建性能指标时延l的性能模型，计算因变量的重要性，重要性越大，则该因变量对性能指标时延l的影响越大。
6.一种基于消息中间件的数据库性能实时监控和诊断系统，其特征在于，所述系统包括：
数据采集单元a，用于定时采集数据库系统运行日志，根据运行日志的信息计算数据库系统运行特征，将数据库系统运行特征进行编码压缩后，提交到数据发送单元；
数据采集单元b，用于采集操作系统运行特征，将操作系统运行特征进行编码压缩后，提交到数据发送单元；
数据发送单元，用于接收数据采集单元a和数据采集单元b提交的数据，并将数据提交到消息中间件；
消息中间件，数据发送单元将采集的特征提交到消息中间件，数据接收单元从消息中间件获取数据；
数据接收单元，用于实时从消息中间件的发布/订阅功能获取数据，将这些数据保存在数据存储单元；
数据存储单元，用于按特征来源所在的数据库节点ip和时间戳存储数据；
性能模型训练单元，用于建立以数据库系统运行特征和操作系统运行特征数据为输入，数据库性能指标为输出的模型，所述模型能够甄别影响性能的最关键因素；
性能诊断单元，当接收到数据库系统运行特征和操作系统运行特征数据和性能指标时，能够利用在性能模型训练单元中训练出来的模型，定位影响性能指标的数据库操作。
7.根据权利要求6所述的基于消息中间件的数据库性能实时监控和诊断系统，其特征在于，所述数据采集单元a、数据采集单元b和数据发送单元运行在数据库所在节点，并且可在一台或多台数据库节点上运行。
8.根据权利要求6所述的基于消息中间件的数据库性能实时监控和诊断系统，其特征在于，所述数据接收单元、数据存储单元、性能模型训练单元、性能模型诊断单元和用户交互单元运行在性能模型工作节点。
9.根据权利要求6所述的基于消息中间件的数据库性能实时监控和诊断系统，其特征在于，性能模型训练单元采用sgbrt随机梯度下降回归树构建性能指标的性能模型，计算因变量的重要性，重要性越大，则该因变量对性能指标的影响越大。
10.根据权利要求6所述的基于消息中间件的数据库性能实时监控和诊断系统，其特征在于，还包括用户交互单元，用于显示数据库的实时运行状态和异常情况的诊断信息以及管理员通过所述用户交互单元向所述性能诊断单元或所述性能模型训练单元发送命令，构建并更新性能模型。
技术总结