云環(huán)境下基于LQNM的數據庫系統自配置框架研究.pdf

1、隨著云計算技術的快速發(fā)展，部署在云計算平臺下的應用程序向著多樣化和復雜化的方向發(fā)展，對云計算技術的要求也越來越高。云數據庫作為云計算平臺的后臺支撐系統，其性能直接決定著部署在云計算環(huán)境下應用程序的性能。因此，根據不同時刻負載的變化情況，通過合理地為云數據庫系統調整系統資源分配，是實時滿足用戶的性能目標和系統的服務質量的有效手段之一。但是，面對云數據庫系統下龐大的數據量、復雜多變的負載，要保障云數據庫系統的服務質量，通過人工手動來調整系統

2、資源配置是十分困難的，不僅需要大量的云數據庫專業(yè)工作者，而且這項工作是消耗大量的時間，不能實時滿足系統的性能目標。因此，為云數據庫構建負載自適應配置框架就成為解決該問題的一項核心任務。
　　本文的負載自適應配置框架是基于性能預測模型的基礎上提出來的，通過構建云數據庫系統的性能模型來預測云數據庫系統的性能，可以在給定系統資源配置的情況下，使用性能模型求解算法預測系統的性能指標參數，從而為系統搜索最優(yōu)的資源配置提供強有力的支持。目前，

3、比較成熟的性能模型有排隊網絡模型和分層排隊網絡模型，其中，排隊網絡模型適用于簡單的系統（處理負載請求的過程中只涉及到系統的硬件資源），分層排隊網絡模型適用于較復雜的系統，可以將系統處理負載請求的過程描述為系統的軟件資源之間、硬件資源之間、軟件資源和硬件資源之間的調用關系?；谝陨鲜聦崳疚脑谕ㄟ^分析云數據庫的工作原理，提出了Hadoop平臺下HBase數據庫系統的分層排隊網絡模型。該模型由五個任務組成，其中有兩個軟件任務（工作進程、數據

4、庫管理進程）和三個硬件任務（THINK、CPU、硬盤）。
　　本文的實驗以HBase數據庫為目標云數據庫，TPC-H基準測試的1G數據量作為數據源和負載進行實驗，與無控制機制、優(yōu)先權控制機制進行對比，證明了本文提出的負載自適應配置框架的有效性，通過自適應配置框架對系統資源的調控，系統的QoS得到了很大提升。此外，為了證明性能模型（分層排隊網絡模型）的有效性，將分層排隊網絡模型預測的平均響應時間和吞吐量，分別與排隊網絡模型的性能指標