云存储系统尾延迟优化技术研究

发布时间：2021-08-28 10:48

　　随着云服务技术的发展和成熟,越来越多的机构、公司、个人开始接受并使用云平台。云存储服务是云平台中的核心基础服务之一。近年来,云存储系统响应延迟优化的相关问题吸引了学术界和工业界的广泛关注。考虑到需要服务的用户规模,以及应用的复杂性（服务一个面向应用的请求可能需要执行数百次存储访问）,降低云存储系统的尾响应延迟已成为对其进行性能优化的一个重要方面。云存储系统的尾响应延迟是指系统中最慢的少量数据访问请求对应的响应延迟。通常使用系统的高百分位延迟对其进行衡量。所谓高百分位延迟是指系统响应延迟的高百分位数。本文围绕云存储系统的尾延迟优化问题提出了相应的应对方案。针对面向Web应用的云对象存储系统的请求处理方式,建立了一个可以预测其尾延迟的基于分析的性能模型COSModel,具有适用范围广,预测结果准确的特点。已有的性能模型可分为基于模拟的性能模型和基于分析的性能模型。基于模拟的性能模型需要预先在不同负载下对系统进行基准测试,并根据基准测试的结果预测系统性能。COSModel则将云对象存储系统抽象为一个排队论模型,通过求解该排队论模型得到系统的尾延迟。由于COSModel无需使用与负载相关的基准... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：160 页

【学位级别】：博士

【部分图文】：

优化系统尾延迟的挑战

华 中 科 技 大 学 博 士 学 位 论 文率通常不超过 30%[77]，事实上，这会有损系统的成本效益低及扩展性。本文主要在考虑了系统成本效益的基础上进行了系统尾延迟优化技术的相关研究，主要涉及的科研问题包括：资源供给与系统尾延迟之间存在怎样的关系，以及如何利用系统已有资源降低系统尾延迟。

华 中 科 技 大 学 博 士 学 位 论 文一个数据块。为了对这中复杂的操作队列进行建模，本章将请求解析，索引查询数据读取和数据读取等各种操作打包成一个易于用排队理论建立模型的操作，为联合操作。每一个联合操作中都以一个请求解析操作为首，并且包含操作队列请求解析操作之后连续的且不是请求解析的操作。每个联合操作中都可能包含不同请求的操作。通过这种方式，本章可以将原始操作队列转换为联合操作队列图 2-1 中右侧的队列即为联合操作队列。由于使用了泊松到达近似请求的到达（详见节 2.3.1），本章使用 M/G/1 队列模型（请求到达过程为泊松到达，服务时从一般性分布，并且只包含单个服务器的队列系统）为联合操作队列建模。为了此模型，这里需要计算出联合操作的服务时间分布。


本文编号：3368375