Web应用动态性能建模工具的设计与实现

来源 :中国科学院研究生院 中国科学院大学 | 被引量 : 0次 | 上传用户:jhffgh
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
多层架构的Web应用已成为当前主流的网络应用,它可以应用于多种形式,如电子银行、网上购物、社交网络等等,性能是系统运行时和时间(相应时间、吞吐率)相关的一个属性,包括响应时间、吞吐率、资源利用率,性能需求是通过服务水平协议来定义的。Web应用性能的保障是至关重要的,性能问题可以导致客户、收益损失。然而现有的性能保障技术虽然保证了服务的可达性,但对性能支持不够,随着web应用的发展,对性能保障的技术提出了新的要求,就是按需供给的需求,它包括两个方面,保障性能需求和提高资源利用率。传统的基于经验和基于测试的方法需要人工参与,建模难度大,且模型适应性弱。现有基于监测的方法,模型粒度粗,也难以实现全局资源供给最优。   为了解决这些问题,我们提出了动态建模的方法,建模思路是,首先监测应用执行状态,然后利用分析日志提取性能模型,这种方法的优点是性能模型可以随着日志文件的更新而更新,从而可以应对系统可能存在的变换(软件的更新升级,平台的迁移)。动态建模里,我们主要对三个方面进行建模——用户行为、执行图、资源需求。整个过程中,我们重点解决了两个问题,首先,由于Web应用的多层架构关系,一个请求会由分布在不同层上的组件协作完成,但是整个流程被网络分割难以获得完整的执行序列,我们采用通过ID传播的方式来建立不同层次上组件的关联;其次,对于日志文件量非常大的问题,我们提出了采用分块处理的方式,先将大数据分为若干小数据块,最后合并小数据块的结果。   基于上述的设计,我们实现了一个动态性能建模工具。该工具首先在Web应用中插入必要的探针收集系统运行时状态,并输出为日志。然后通过周期性的对这些日志进行分析,从大量数据中提取出性能模型,使其与实际用户使用情况相符。最后,本文以TPC-W基准测试为例,验证了本系统的有效性。
其他文献
机器学习在多个领域得到广泛应用。随着计算能力的提高,使得贝叶斯网络这种学习方法成为研究的热点。生成式概率图模型是贝叶斯网络的特例。所谓的生成式模型是指其网络结构提
随着互连网从传统PC蔓延到移动领域,海量信息数据存储技术也得到了快速发展,其中,Hadoop云计算平台技术是许多企业处理大数据的首选。Hadoop平台的优势在于大数据的分析处理以及
随着计算技术的进步、硬件水平的不断提高,以及互联网的广泛应用,软件已经摆脱传统的固定的输入输出模式,交互式系统日益多样和复杂。传统的界面由于缺乏主动满足多种用户需求(如
目标跟踪在运动目标的视觉分析中占有重要的地位,属于视觉的中层部分。目标跟踪是通过对摄像机所拍摄的视频图像序列进行处理,找出连续图像帧间的对应关系,实现对图像和图像
互联网信息的指数级增长,使得搜索引擎成为互联网上最广泛的应用。随着用户对检索结果要求的提高,搜索技术面临着越来越严峻的挑战。语义Web的发展,为提高搜索技术指明了新方向
学位
随着计算机网络与信息技术的发展,传统的单机版数据挖掘软件由于其庞大臃肿的应用程序、对用户机器硬件要求较高、软件更新周期长且不易维护等,已经无法很好地满足用户的需求
执行重放技术在诞生之初是用于重现并行程序的并发性错误。随着其研究的不断深入特别是与虚拟化技术进行融合后,虚拟机执行重放技术可用于虚拟机迁移、虚拟机调试、虚拟机容错
随着企业信息化建设的不断深入,网络基础设施、服务器、中间件、操作系统、数据库、业务系统等IT基础设施变得越来越庞大和复杂,系统维护工作量和工作难度越来越大,业务对IT系统
实体关系抽取是指从无结构的自然语言文本中抽取实体之间的语义关系,并以结构化的形式表示出来。它是篇章理解的一个核心技术,在机器翻译、信息检索、问答系统、知识图谱构建等