云環(huán)境下基于LQNM的數(shù)據(jù)庫系統(tǒng)性能評價模型.pdf

1、云計算作為一種商業(yè)計算模型和服務模式，其核心概念是不再依賴本地計算機來執(zhí)行操作，而是將各種計算任務分散在由大量計算資源組成的資源池中，進而使用戶可以按需申請計算資源。隨著云計算的普遍使用，基于云計算的各種虛擬化資源的分配與管理以及作為虛擬化應用被部署在虛擬機上的數(shù)據(jù)庫系統(tǒng)的性能成為人們關(guān)注的焦點。它們性能的好壞直接影響到云提供商和云用戶的經(jīng)濟效益。怎樣對虛擬化資源進行管理和分配才能達到資源的有效利用，以及如何配置云環(huán)境下部署在虛擬機上的

2、數(shù)據(jù)庫系統(tǒng)的參數(shù)使得其性能最優(yōu)就成為一個關(guān)鍵的問題。
　　評價一個系統(tǒng)性能好壞的關(guān)鍵技術(shù)之一是為其建立性能模型。目前對系統(tǒng)進行性能評價的方法有測量和模型兩種方法。兩者相比，模型方法相對比較方便，工作量少，成本低，故本文選擇采用模型方法來進行建模。模型方法又有模擬方法和分析方法兩種，分析方法比較模擬方法而言具有快速、簡單、較低成本等優(yōu)點。目前分析方法中較常用的有排隊網(wǎng)絡建模技術(shù)(QNM: Queuing network modeli

3、ng)和分層排隊網(wǎng)絡建模技術(shù)(LQNM:layered queuing network modeling)兩種。由于QNM只能對簡單的硬件資源進行建模，不能很好的描述資源之間的層次關(guān)系，所以在此基礎(chǔ)上擴展出了LQNM，它可以對軟硬件資源同時進行建模，分析具有嵌套調(diào)用的任務之間的關(guān)系從而對系統(tǒng)的性能進行評價，找出系統(tǒng)的性能瓶頸。
　　針對以上的介紹，本文提出了針對云計算中的虛擬化層和數(shù)據(jù)庫系統(tǒng)相結(jié)合建立性能模型的思想。通過對云計算環(huán)

4、境下虛擬化層和數(shù)據(jù)庫系統(tǒng)的運行環(huán)境、工作原理以及體系結(jié)構(gòu)進行分析，建立了云環(huán)境下數(shù)據(jù)庫系統(tǒng)的LQNM，該模型是在3個結(jié)點的情況下建立的，共有5個軟件任務（客戶端、用戶交互接口、系統(tǒng)管理、查詢處理進程、數(shù)據(jù)存儲進程）和5個硬件任務（THINK、CPU1、CPU2、DISK1、DISK2）組成。
　　QNM按其客戶端個數(shù)和負載類型可分為封閉型和開放型以及單負載和多負載，采用平均值分析算法(MVA: Mean Value Analysi

5、s)對它們進行求解是行之有效的方法。但是對于LQNM來說，由于其沒有乘積形式的解，故不能直接使用MVA來對其進行求解。對于模型的求解方法目前用的較普遍的是隨機交會網(wǎng)絡(SRN: Stochastic Rendezvous Networks)和分層的方法(MOL: The Method of Layers)，本文選用MOL的方法來求解所建立的模型。根據(jù)MOL劃分方法將所建立的模型分為軟件爭用子模型和硬件爭用子模型，并對各輸入輸出參數(shù)進行描

6、述，通過一些直接或間接的方法獲取參數(shù)值帶入到MOL算法和和MVA算法中進行模型預測系統(tǒng)響應時間值的求解。
　　文章的最后對模型的有效性、精確性和通用性進行了驗證。將求出的預測值與實驗測量出的實際系統(tǒng)響應時間值進行比較，二者之間的誤差在允許的誤差范圍內(nèi)，證明所建立的模型是有效的。同時將QNM和LQNM所得出的預測值與實際值進行比較可以看出，LQNM模型的預測值比較接近測量值，相對更精確。由于本文所建的模型是在3個結(jié)點的情況下建立的，