云环境下数据库系统的分层排队网络模型研究

摘要

数据库系统作为应用的后台，是生成，供给和管理企业数据的核心组件。数据库系统性能的好坏关乎到企业的兴衰，对数据库系统的性能进行有效的管理是保证应用性能的一项重要任务。然而在广泛普及的云计算环境中，由于云计算在处理数据过程中涉及到频繁的任务调度，复杂的数据流处理等原因，云环境下数据库系统的性能变得不再像单机环境下那样容易掌握。另外，由于资源的有限性，云计算服务提供方总是希望利用最少的硬件资源来达到最高的客户满意度，所以云环境下的数据库系统进行性能预测也就显得尤为重要。
　　对数据库系统的性能进行有效的预测的核心是建立数据库系统的性能模型。一个能够准确描述数据库系统性能的模型对于降低数据库系统的使用成本，保证其性能具有重要的作用。为了对云环境下的数据库系统的性能进行预测，本文根据云计算的结构以及数据库系统的运行流程进行分析，将资源进行分层，按照分层排队网络模型的思想进行建模，并利用分层排队网络模型的求解算法——MOL(the Method of Layer)算法和SRVN(the Stochastic Rendezvous of Network)算法对模型进行求解，以模型的求解结果来预测数据库系统的运行性能，说明分层排队网络模型对数据库系统进行建模的优势。数据库系统下的分层排队网络模型对于数据库系统的容量规划、资源分配和性能管理具有重要意义。
　　本文首先对性能的预测方法和云计算的性能的国内外研究现状进行了大量的阐释和说明，然后结合云计算环境下的资源分配的特点，通过对分层排队网络模型进行详细的介绍后，提出了云环境下的数据库系统的分层排队网络模型，并利用分层排队网络模型的求解算法——MOL(the Methodof Layer)算法和SRVN(the Stochastic Rendezvous of Network)算法对模型进行求解，验证了模型的正确性。本文的主要贡献是:第一，提出了云环境下的共享内存情况下的数据库系统的分层排队网络模型，以模型的方式对数据库系统的行为进行了描述;第二，实现了SRVN(the Stochastic Rendezvous of Network)算法，并在算法结构、模型限制、描述能力、求解精度等方面对比MOL(the Method of Layer)算法和SRVN(the Stochastic Rendezvous of Network)算法，方便了日后对于两种算法的选取。
　　本文以DB2数据库为实验工具，TPC-H为负载，以分层排队网络模型为基础，经过大量重复实验的实验验证，获得了10％-20％的平均误差率，分别验证了单机环境下的数据库系统的分层排队网络模型和云环境下的数据库系统的分层排队网络模型的有效性，对于数据库性能的管理有重要意义。

目录

声明

摘要

本文使用的符号说明

第一章 绪论

1．1 背景与意义

1．2 研究动态

1．2．1 性能研究方法

1．2．2 云系统的性能研究

1．3 本课题的主要研究工作

1．4 论文结构

1．5 本章小结

第二章 云计算

2．1 云计算理论

2．2 云计算体系结构

2．3 云计算的关键技术

2．3．1 HDFS分布式文件系统

2．3．2 MapReduce

2．4 云计算环境的影响

2．4．1 云计算对软件开发的影响

2．4．2 云计算对软件测试的影响

2．5 本章小结

第三章 分层排队网络模型

3．1 分层排队

3．1．1 分层方法

3．1．2 软件服务器

3．2 分层排队网络模型

3．3 本章小结

第四章 模型的求解方法

4．1 MOL(Method of Layers)算法

4．2 SRVN(Stochastic Rendezvous Network)算法

4．3 MOL算法和SRVN算法的对比

4．3．1 算法思想对比

4．3．2 机制描述

4．3．3 输入参数

4．3．4 输入参数的获取

4．4 本章小结

第五章 基于分层排队网络模型的数据库建模

5．1 实验工具

5．1．1 TPC-H简介

5．1．2 性能监控工具

5．2 单机环境下的数据库分层排队网络模型

5．2．1 数据库环境

5．2．2 数据库建模

5．3 云环境下的数据库分层排队网络模型

5．3．1 数据库环境

5．3．2 云环境下的数据库建模

5．4 本章小结

第六章 总结和展望

6．1 工作总结

6．2 未来展望

参考文献

致谢

攻读硕士论文期间发表的学术论文