查询交互响应时间预测模型的采样优化

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.

基于Agent面向服务体系结构中的服务查询与选择

面向服务研究的一个重点问题是如何智能集成或协同分布在网络上的各种服务,以完成更为复杂的应用目标,使之能适应开放动态的网络计算环境和不断演化的用户个性化需求。把Agent技术与技术比较成熟的SOAP/WSDL/UDDI体系结合起来,是一个可行的解决方案。利用Agent技术设计了一个面向服务动态协同架构模型,解决了智能集成服务问题。着重研究并设计了一个基于Agent的服务查询与选择框架模型。这一模型利用移动Agent的移动性、自治性、智能推理性,实现了Web服务的智能查询与选择,从而解决了智能集成服务问题。