-
题名查询交互响应时间预测模型的采样优化
被引量：6
- 1
-
-
作者
张锦文
牛保宁
李爱萍
-
机构
太原理工大学计算机科学与技术学院
武汉大学软件工程国家重点实验室
-
出处
《小型微型计算机系统》
CSCD
北大核心
2015年第10期2240-2244,共5页
-
基金
国家科技支撑项目课题项目(2012BAH04F02)资助
人社部留学人员科技活动项目(2011-508)资助
+1 种基金
山西省自然科学基金项目(2010011025-2)资助
软件工程国家重点实验室第九批开放研究基金项目(SKLSE2012-09-30) 资助
-
文摘
在数据库系统和云计算环境中运行并行负载是一种常态,这些系统需要满足其服务等级协议(Service Level Agreements,SLA).响应时间是系统调度负载并满足SLAs的最重要的指标,准确预测数据库系统并行负载(查询)的响应时间必须要考虑并行执行的查询之间的相互影响—查询交互.目前基于查询交互的查询响应时间预测方法主要以实验驱动的方法建模,需要大量的实验采样.由于数据量的爆发式增长导致负载运行时间不断增长,进行一次完整的建模所需的开销非常大.合理减少建模所需采样数目,可以有效降低建模所需成本和提高建模效率.本文基于查询交互的BAL(Buffer Access Latency)模型提出一种采样策略[1],在不运行样本的情况下,使用已有的测量结果预测样本运行的响应时间,并依据预测对全样本空间聚类,然后根据聚类结果进行采样.实验表明,此方法相比常用的拉丁超立方抽样方法减少33%样本数目,并且保持了模型的预测精度.
-
关键词
查询交互
查询交互模型
查询交互采样
响应时间预测
-
Keywords
query interaction
query interaction modeling
query interaction sampling
response time prediction
-
分类号
TP392
[自动化与计算机技术—计算机应用技术]
-
-
题名基于机器学习的微服务负载均衡算法研究
被引量：14
- 2
-
-
作者
杨乾龙
江凌云
-
机构
南京邮电大学通信与信息工程学院
南京邮电大学物联网研究院
-
出处
《计算机科学》
CSCD
北大核心
2023年第5期313-321,共9页
-
基金
江苏省重点研发计划(BE2020084G4)。
-
文摘
随着云计算技术的不断发展,微服务体系结构受到了越来越多的关注.由于将大型应用程序分割成细粒度的单一服务在开发和维护方面较为方便,许多大型应用程序已经从单体结构发展为微服务体系结构.在微服务架构中,为了提高微服务的可用性,通常采用集群结构的方式部署微服务实例.针对微服务集群中服务器节点随着任务数量的增加而出现负载不均衡的问题,提出了一种基于Xgboost(ExtremeGradientBoosting)的最短预测响应时间负载均衡算法(ShortestPredictiveResponse Time,SPRT).首先选取影响任务响应时间的特征参数,然后使用集成学习预测新任务的响应时间,最终将任务分配给预测响应时间最短的服务器节点,以达到服务器节点之间负载均衡的目的.结果表明,相比其他负载算法,所提负载均衡算法在吞吐量、截止率和平均响应时间上都有一定的提升,而且更适用于高并发环境下的微服务集群.
-
关键词
微服务
负载均衡
集成学习
预测响应时间
Xgboost
-
Keywords
Microservices
Load balancing
Ensemble learning
Predicted response time
Xgboost
-
分类号
TP302
[自动化与计算机技术—计算机系统结构]
-
