1.云计算环境下一种高性能的大数据分析系统自适应配置方法，其特征在于该方法包括如下步骤：

步骤1：基于Linux内核操作函数构建实时监控大数据分析系统性能的代理程序，监控吞吐量、任务等待时间、执行时间、任务分布、系统能耗，作为深度神经网络模型的目标输出，以训练深度神经网络模型；

步骤2：建立系统自适应配置的深度神经网络模型，所述深度神经网络模型输入为系统配置参数和待处理数据，输出为系统性能；将系统配置参数和待处理数据信息向量化，输入到深度神经网络模型的输入层；深度神经网络模型向量化输出系统性能；

步骤3：通过监督学习来训练所述深度神经网络模型，具体是：首先固定待处理数据输入参数不变，不断改变系统的配置参数，得到系统性能输出向量，与步骤1中得到的实际系统性能相比较，然后通过反向传播算法不断更新模型参数，得到初始模型；再不断为该深度神经网络模型输入数据，同样用监督学习和反向传播算法来训练该模型，检验该模型的准确性；不断训练深度神经网络模型，直至达到目标要求；

步骤4：根据步骤3中训练所得到的深度神经网络模型，得到系统性能与系统配置和数据输入参数的相关关系，生成映射表，该映射表在实际数据更新并输入计算，依据神经网络模型不断更新的参数，而不断更新此映射表；

步骤5：针对目标大数据分析系统，向深度神经网络模型系统输入待处理数据与目标系统性能，根据系统性能与系统配置参数的映射表，获取系统配置参数，以实现系统自适应配置；

步骤6：在得到稳定的深度神经网络模型后，对深度神经网络模型进行剪枝以进行模型压缩；具体是对模型进行网络剪枝，删减对神经网络模型不重要的参数：首先设置一个权值参数阈值，将每条连接上的权值与阈值相比较，将权值小于阈值的连接进行剪枝，完成全部剪枝后重新训练该神经网络模型，对训练好的模型再剪枝，再重新训练该神经网络模型，直到满足所设定条件；

步骤7：循环执行步骤1至步骤6，直到大数据分析系统终止。

2.根据权利要求1所述的云计算环境下一种高性能的大数据分析系统自适应配置方法，其特征在于：所述的深度神经网络模型中的隐藏层设置为两层，可根据实际需求更改隐藏层层数和神经元节点数量；神经元与神经元之间连接的权值需初始设置，以便训练神经网络模型。

3.根据权利要求1或2所述的云计算环境下一种高性能的大数据分析系统自适应配置方法，其特征在于：网络剪枝得到稀疏连接的神经网络模型后，通过权值共享，生成一张权值码表，里面记录了权值聚类后每一类的平均权值，而每条连接不需要存储具体权值参数，只需存储码本上对应权值的索引；然后对码本上的权值进行量化操作，用8比特长度的存储来表示32比特的精度；最后对量化后的权值进行霍夫曼编码，进一步缩减存储空间；训练压缩后的神经网络模型，只要对码本上的码字进行更新即可，并不断更新步骤4中的映射表。