多租户服务应用性能预测模型及性能评价

发布时间：2017-06-11 23:02

  本文关键词：多租户服务应用性能预测模型及性能评价，由笔耕文化传播整理发布。

【摘要】：为了达到service level agreements (SLAs)和保持应用设备(应用服务器和数据库服务器)的高性能和利用率,多租户服务应用系统面临着一个严重的、针对“负载分配、允许控制、资源监控”的优化部署和性能优化的问题。而精确地预测出“从多租户服务应用系统中的客户端,并发发出访问的每种交互的响应时间”,就能很好地解决这个问题。这个工作的困难性在于：在多租户服务应用系统中的客户端,不同规模类型的多租户组合有多种,多租户的组合种类对交互的查询响应时间有很大的影响；应用系统中的负载包含很多的并发访问,这些访问之间的具有相互影响,进而会影响数据库的查询响应时间。因此,一个精确的交互响应时间预测模型需要捕获这些影响因素。此外,现在多租户服务应用系统中的客户端、应用服务器、和数据库服务器往往是一个部署在动态的云计算环境下的虚拟机,负载、数据和物理资源是能够经常变化的。根据动态变化的负载、数据和物理资源配置,建立一个有效的、高精度的、很好鲁棒性的“多租户服务应用性能模型”仍然是一个待解决的问题。本文中,我们的目标就是使用实验驱动模型的方法,建立一个这样的模型。我们使用贝叶斯方法和高斯模型,通过考虑多种影响交互查询响应时间的因素(详细见第2章),预测在不同因素组合的环境下,在多租户应用系统中的客户端,每种交互的查询响应时间。实验表明,我们的模型在吻合度、精确度、模型训练和预测时间方面,优于其他模型,像支持向量机模型(SVM)等不确定性方法。
【关键词】：服务平台部署 贝叶斯方法 高斯模型 性能模型 试验驱动
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP311.13;TP393.09
【目录】：

• 摘要8-9
• ABSTRACT9-10
• 第一章 绪论10-16
• 1.1 研究背景10-11
• 1.2 相关研究11-13
• 1.3 研究内容和主要工作13-15
• 1.4 论文组织结构15-16
• 第二章 多租户服务应用性能预测模型设计16-26
• 2.1 影响交互查询响应时间的因素组合16-23
• 2.1.1 定制负载16-17
• 2.1.2 客户端多租户组合类型17-19
• 2.1.3 交互的查询组合19-20
• 2.1.4 并发访问的负载20-23
• 2.1.5 资源配置23
• 2.2 动态自适应的多租户性能模型设计23-25
• 2.2.1 模型构建23-25
• 2.3 本章小结25-26
• 第三章 基于高斯过程的多租户应用性能模型26-34
• 3.1 高斯过程的基本原理26-27
• 3.2 非线性高斯贝叶斯响应时间模型27-29
• 3.2.1 学习过程27-29
• 3.2.2 预测过程29
• 3.3 配置模型29-30
• 3.4 模型具体运算过程30-32
• 3.4.1 产生训练负载和取样30-31
• 3.4.2 Matalab计算31-32
• 3.5 本章小结32-34
• 第四章 实验设计与评估34-41
• 4.1 实验环境与实验设计34-35
• 4.2 实验评估35-40
• 4.2.1 模型精度35-37
• 4.2.2 模型的鲁棒性37-40
• 4.3 本章小结40-41
• 第五章 总结与展望41-43
• 5.1 总结41-42
• 5.2 展望42-43
• 参考文献43-47
• 致谢47-48
• 攻读学位期间发表的学术论文目录48-49
• 攻读学位期间参与科研项目情况49-50
• 附件50

【参考文献】

中国期刊全文数据库 前1条

1 滕文彦,乔春生,胡宇庭;软岩工程支护的双层SVM的智能设计方法[J];北京科技大学学报;2005年04期

中国硕士学位论文全文数据库 前1条

1 狄泽玉;基于STAGING与业务预测的服务部署优化与迁移方法[D];山东大学;2014年

  本文关键词：多租户服务应用性能预测模型及性能评价，，由笔耕文化传播整理发布。

本文编号：442632