多模型数据库是近年来数据库领域里一个新的研究方向。OrientDB作为一种新兴的多模型数据库，默认的参数配置并不能使其达到最佳性能，需要针对实际应用负载对其参数配置进行调优，现有的单模型数据库上的参数配置调优经验无法直接迁移到OrientDB上，为了降低参数配置调优难度，提高OrientDB性能，充分发挥其潜能，亟需研究OrientDB参数配置自动调优技术。
　　论文研究OrientDB参数配置自动调优，从OrientDB的内存设置、网络连接池设置、超时等待时间设置、并行查询设置、预写日志设置、事务日志设置这六个方面选择出11个待调优的参数配置，基于深度强化学习建模OrientDB参数配置自动调优过程，以此为基础设计并实现了OrientDB参数配置自动调优框架OCTune。OCTune基于深度确定性策略梯度算法构建调优模型，在理论上，将OrientDB参数配置调优涉及的各个部分与深度强化学习中的六个关键要素一一映射，并针对OrientDB的应用场景为调优模型设计了一个有效的奖励函数，用以指导调优模型的训练；在实现上，设计了一个基准测试工具MMBench支持生成跨数据模型查询的工作负载，丰富了对OrientDB的性能测试场景，设计了一个状态监控工具OSMonitor对OrientDB的运行状态进行实时监控和处理，以及一个性能统计工具OPIndicator对OrientDB的性能变化进行统计和评估，OCTune使用MMBench、OSMonitor以及OPIndicator完成训练数据的收集，在没有人类调优历史经验数据的情况下也能完成调优模型的训练。最后，针对OrientDB的四种工作负载对OCTune的调优效果和适应性进行了测试，得到了可观的效果，实验结果表明，经过OCTune的调优后，OrientDB的性能可提升3.6%~54.9%。