本文關(guān)鍵詞：面向復雜負載特征和性能需求的云數(shù)據(jù)庫彈性動態(tài)平衡問題研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著云計算的發(fā)展,越來越多的傳統(tǒng)應用開始向云平臺遷移。云計算的主要特征之一就是可以彈性擴展,所謂的彈性是指當系統(tǒng)的負載發(fā)生動態(tài)變化時能夠動態(tài)的增加或減少資源。而云數(shù)據(jù)庫彈性動態(tài)平衡問題一直被認為是實現(xiàn)云計算彈性特征的關(guān)鍵。要實現(xiàn)云數(shù)據(jù)庫彈性動態(tài)平衡需要考慮租戶性能和數(shù)據(jù)節(jié)點資源使用情況,從租戶的角度來說租戶希望自己的性能能得到100%的滿足且云服務(wù)的價格便宜；從云服務(wù)提供商的角度來說希望租戶的性能都能得到滿足且資源的使用最少即資源能得到充分利用。如果我們能夠?qū)ψ鈶粜阅芎蛿?shù)據(jù)節(jié)點資源使用情況進行準確預測,就可以為云數(shù)據(jù)庫的彈性動態(tài)平衡策略提供很好的指導作用。但是由于云環(huán)境下租戶性能的復雜性和工作負載的復雜性使得云數(shù)據(jù)庫彈性動態(tài)平衡問題變得更加復雜,放大了實現(xiàn)云數(shù)據(jù)庫系統(tǒng)自適應彈性控制的技術(shù)難度。云計算環(huán)境下多租戶應用通常呈現(xiàn)混合動態(tài)復雜負載特征。高動態(tài)主要體現(xiàn)在大波動,由于不同租戶不同負載波動的疊加而放大。混合性體現(xiàn)在不同租戶不同的負載特種證,總體負載并不是單純的疊加。并且不同租戶,其數(shù)據(jù)熱度和峰值都不同,使得租戶性能模型和節(jié)點資源模型的構(gòu)建變的復雜。云計算環(huán)境下租戶數(shù)據(jù)通常是共享存儲的,就會存在多租戶資源競爭。資源競爭的復雜性增加了租戶性能和資源使用情況預測的難度。云中多租戶的資源都會共享存儲的,負載高的租戶會搶占負載低的租戶的資源或者因為某個租戶的負載特征的發(fā)生了變化而使得資源的使用發(fā)生變化。資源之間的競爭使得租戶之間的公平被打破。租戶的性能、數(shù)據(jù)節(jié)點的資源使用情況和負載的關(guān)系不是簡單的線性關(guān)系。從而使得對租戶性能和節(jié)點資源使用情況的預測變的很困難。云計算環(huán)境下多租戶的性能是不一樣的,多租戶個性化性能需求所帶來的復雜性,增加了云數(shù)據(jù)庫分布式數(shù)據(jù)節(jié)點數(shù)據(jù)放置的難度。云應用性能需求的復雜性主要體現(xiàn)在不同的租戶其性能需求不同。由于同一節(jié)點往往需要存儲多個租戶的數(shù)據(jù),拆分或合并一組租戶的數(shù)據(jù),放置到合適的節(jié)點,判斷是否能滿足這一組租戶對應用數(shù)據(jù)的性能需求就變得異常困難。本文針對key/value存儲的NoSQL型云數(shù)據(jù)系統(tǒng)共享存儲模式下的彈性動態(tài)平衡問題進行系統(tǒng)研究,提出了彈性動態(tài)平衡控制框架,該框架主要包括租戶性能模型、節(jié)點資源模型和彈性動態(tài)平衡執(zhí)行策略生成算法。租戶性能模型主要基于高斯過程,利用該模型能對具有復雜負載特征的多租戶的性能進行準確預測；節(jié)點資源模型主要基于KCCA方法,利用該模型能對資源共享模式下存在激烈資源競爭的數(shù)據(jù)節(jié)點的資源使用情況進行準確預測；彈性動態(tài)平衡執(zhí)行策略生成算法是基于租戶性能模型和節(jié)點資源模型提出的,通過執(zhí)行該算法能夠使得在租戶性能得到滿足的情況下節(jié)點的資源利用率很高,使得整個系統(tǒng)的開銷最小化。本文在提出模型和算法的同時并通過實驗從多個角度驗證了模型的準確性和算法的有效性。
【關(guān)鍵詞】：云數(shù)據(jù)庫 性能模型 資源模型 彈性動態(tài)平衡
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP311.13;TP393.09
【目錄】：

• 摘要10-12
• ABSTRACT12-14
• 第1章 緒論14-19
• 1.1 研究背景14-16
• 1.2 研究內(nèi)容16-17
• 1.3 文章組織結(jié)構(gòu)17-19
• 第2章 相關(guān)研究19-23
• 2.1 基于虛擬機的云資源彈性控制和整合方法19-20
• 2.2 關(guān)系云中的動態(tài)負載均衡技術(shù)20-21
• 2.3 NoSQL數(shù)據(jù)系統(tǒng)彈性控制方法21-22
• 2.4 本章小結(jié)22-23
• 第3章 面向云數(shù)據(jù)庫的彈性動態(tài)平衡控制框架23-28
• 3.1 云數(shù)據(jù)庫應用場景23-24
• 3.2 云數(shù)據(jù)庫的彈性動態(tài)平衡控制框架整體設(shè)計24-27
• 3.2.1 混合動態(tài)云數(shù)據(jù)庫負載模型25
• 3.2.2 云數(shù)據(jù)庫租戶性能模型25-26
• 3.2.3 云數(shù)據(jù)庫數(shù)據(jù)節(jié)點資源模型26
• 3.2.5 云數(shù)據(jù)庫系統(tǒng)彈性動態(tài)平衡執(zhí)行策略26-27
• 3.3 本章小結(jié)27-28
• 第4章 混合動態(tài)云數(shù)據(jù)庫負載模型28-34
• 4.1 均勻采樣28
• 4.2 基于負載特性采樣28-32
• 4.3 本章小結(jié)32-34
• 第5章 基于高斯過程的性能模型34-41
• 5.1 性能模型的需求分析34-35
• 5.2 高斯過程基礎(chǔ)理論35-37
• 5.2.1 貝葉斯方法35-36
• 5.2.2 高斯過程36-37
• 5.3 性能模型構(gòu)建37-40
• 5.3.0 租戶分類37-38
• 5.3.1 獲取樣本數(shù)據(jù)38
• 5.3.2 高斯過程建模38-40
• 5.3.3 超參數(shù)的確定40
• 5.4 本章小結(jié)40-41
• 第6章 基于KCCA的資源模型41-46
• 6.1 資源模型的需求分析41-42
• 6.2 KCCA方法基礎(chǔ)理論42-43
• 6.3 資源模型構(gòu)建43-45
• 6.3.1 獲取樣本數(shù)據(jù)43-44
• 6.3.2 KCCA方法建模44-45
• 6.3.3 使用KCCA算法進行資源預測45
• 6.4 本章小結(jié)45-46
• 第7章 彈性動態(tài)平衡執(zhí)行策略46-54
• 7.1 問題描述46-47
• 7.2 彈性動態(tài)平衡執(zhí)行策略算法47-53
• 7.2.1 算法概述47-48
• 7.2.2 彈性動態(tài)平衡執(zhí)行策略第一階段48
• 7.2.3 彈性動態(tài)平衡執(zhí)行策略第二階段48-51
• 7.2.4 彈性動態(tài)平衡執(zhí)行策略第三階段51-53
• 7.3 本章小結(jié)53-54
• 第8章 實驗部分54-62
• 8.1 租戶描述54-55
• 8.2 模型實驗55-58
• 8.2.1 租戶性能模型實驗55-57
• 8.2.2 節(jié)點資源模型實驗57-58
• 8.3 彈性動態(tài)平衡執(zhí)行策略實驗58-61
• 8.4 本章小結(jié)61-62
• 第9章 總結(jié)和展望62-64
• 9.1 工作總結(jié)62-63
• 9.2 工作展望63-64
• 參考文獻64-70
• 致謝70-71
• 攻讀學位期間發(fā)表的學術(shù)論文目錄71-72
• 攻讀碩士學位期間參與的項目72-73
• 學位論文評閱及答辯情況表73

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 易星宇;翁楚良;;面向云計算中心效能優(yōu)化的負載平衡方法[J];計算機科學與探索;2012年04期

2 趙鑫;王偉;張文博;魏峻;;共享式Web應用服務(wù)器集群的資源整合方法研究[J];計算機科學與探索;2013年01期

3 林子雨;賴永炫;林琛;謝怡;鄒權(quán);;云數(shù)據(jù)庫研究[J];軟件學報;2012年05期

4 申德榮;于戈;王習特;聶鐵錚;寇月;;支持大數(shù)據(jù)管理的NoSQL系統(tǒng)研究綜述[J];軟件學報;2013年08期

  本文關(guān)鍵詞：面向復雜負載特征和性能需求的云數(shù)據(jù)庫彈性動態(tài)平衡問題研究，由筆耕文化傳播整理發(fā)布。

本文編號：290965