基于日志的系统任务模型推理工具及其应用

分布式系统成为Internet应用的关键组成部分,理解其运行时行为成为验证系统设计、解决系统逻辑与性能错误的关键.已有工作需要程序员手工标注代码或网络数据包,提供描述请求处理和任务执行的相关信息,以抽取系统运行时路径.工作创新性地从系统日志中提取系统任务信息,推断出系统的层次结构任务模型,利用任务模型将系统运行时行为分解为有层次结构的任务实例.实际应用经验表明,利用日志提取的任务模型能够帮助理解系统运行时行为,并解决系统的性能问题.

一种自动推断复杂系统层次结构任务模型的方法

支撑Internet服务的复杂系统难于调试与分析.理解系统运行时行为是调试与分析这些复杂系统的关键.现有的技术将系统动态运行时行为用因果执行路径抽象描述,并在此基础上分析系统的行为.但是这些方法或者需要手动标注系统代码,或者需要使用者描述系统的执行结构,都需要使用者很多人工辅助.文中描述了一种自动推断复杂系统层次结构任务模型的方法.通过使用插装技术动态观察系统执行过程,文中的方法能够根据一组启发自动推断出系统运行时的任务模型,包括任务的边界和任务之间的因果依赖关系.通过使用聚类方法,能够进一步推断出任务模型的层次结构.通过在实际系统(Apache和PacificA)上应用推断方法,可以看出,使用得到的模型能够帮助理解系统的动态运行过程,并帮助分析解决系统的性能问题.

可自管理的分布式应用管理覆盖网络

现有的分布式应用管理工具使用集中式算法部署与维护,其扩展性差,且不能很好地应对网络分割错误。为解决这个问题,该文使用epidemic算法,设计了具有自我管理能力的分布式应用管理覆盖网络(SMON)。SMON的对等节点构成一个随机结构覆盖网络,节点通过相互随机探测,能够在一组预定机器上自动部署新的节点,并恢复运行错误的节点。通过使用认证代理技术,节点能够安全地登录到远程机器以完成部署或恢复任务。在Planet-Lab平台上的测试显示,在大规模分布式环境下,SMON具有良好的性能和可扩展性。