导读:本文包含了分层排队网络论文开题报告文献综述及选题提纲参考文献，主要关键词:性能,分层排队网络模型,缓冲池,任务
分层排队网络论文文献综述
刘青,赵杰,牛保宁,牛之贤[1]（2015）在《基于缓冲池描述的DBMS分层排队网络模型及其求解》一文中研究指出针对OLAP查询的特点,提出基于缓冲池描述的DBMS分层排队网络模型,以构建这一模型为例示范构建DBMS分层排队网络模型的方法和步骤。对比分析分层排队网络模型的两种求解算法——MOL(the Method of Layer)和SRVN(the Stochastic Rendezvous of Network)在算法结构、模型限制、描述能力、求解精度上的差别,总结出模型参数获取的叁种途径。(本文来源于《计算机应用与软件》期刊2015年04期）
庞丽英,牛保宁[2]（2014）在《基于数据锁描述的DBMS分层排队网络模型》一文中研究指出针对数据锁对数据库管理系统(DBMS)性能的影响,在分析数据锁工作原理的基础上提出DBMS基于数据锁描述的分层排队网络模型LQNM(Layered Queuing Network Model),运用分层算法MOL(Method of layered)实现模型的求解。通过求解后的实验结果与排队网络模型QNM(Queuing Networks Model)进行比较以此来说明该模型通过对数据锁的描述提高了模型预测精度。(本文来源于《计算机应用与软件》期刊2014年07期）
刘青[3]（2014）在《云环境下数据库系统的分层排队网络模型研究》一文中研究指出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一一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一一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。(本文来源于《太原理工大学》期刊2014-05-01）
赵杰,牛保宁[4]（2013）在《基于缓冲池描述的DBMS分层排队网络模型》一文中研究指出建立数据库管理系统(DBMS)的性能模型是DBMS性能管理的一项核心任务,针对缓冲池对DBMS性能的影响,以缓冲池的工作原理为基础,提出基于缓冲池描述的DBMS分层排队网络模型(LQNM)。该模型把DBMS抽象为3个软件任务(查询进程、逻辑读、物理读)和4个硬件任务(THINK、CPU、内存、硬盘),以负载特征参数为输入,预测负载的响应时间。实验结果表明,该模型比常用的排队网络模型的预测准确性更高,预测平均误差小于15%。(本文来源于《计算机工程与设计》期刊2013年11期）
赵杰[5]（2013）在《基于缓冲池描述的DBMS分层排队网络模型》一文中研究指出随着数据库管理系统(Database Management System,简称DBMS)的负载越来越多样化和复杂化,对数据库管理系统性能的要求也越来越高。DBMS作为应用的后台支撑系统,其性能决定着应用的性能,对其性能的管理是一项重要的任务。DBMS的性能管理通常需要一个性能模型来指导,因此建立DBMS的性能模型就成为DBMS性能管理的一项核心任务缓冲池的配置对DBMS的性能有着巨大的影响,建立DBMS的性能模型离不开对缓冲池的描述。缓冲池是内存中的一块存储区域,用于临时读入和更改数据页,应用的数据操作都在缓冲池中进行。缓冲池存在的理由是从内存访问数据要比从磁盘访问数据快得多,减少磁盘读写次数可以提高DBMS的性能。本论文采用的性能建模技术是分层排队网络模型。分层排队网络模型是典型的分析型建模方法,是排队网络模型的扩展,排队网络模型只能对系统的硬件资源建模,分层排队网络模型可以同时对软件资源和硬件资源建模。分层排队网络模型通过分析具有嵌套调用请求的软、硬件资源之间的关系,发现系统的性能瓶颈。DBMS执行查询时涉及到查询进程、缓冲池管理器、内存、硬盘等软硬件资源,它们之间形成调用关系和层次关系,更适合用分层排队网络模型来描述。基于以上事实,本文在分析DBMS执行查询流程的基础上提出基于缓冲池描述的DBMS分层排队网络模型,该模型由七个任务组成一个四层的分层排队网络模型,其中有叁个软件任务(查询进程、逻辑读、物理读)和四个硬件资源(THINK、CPU、内存、硬盘)。运用分层方法将该性能模型划分为软件争用模型和硬件争用模型,描述模型输入和输出参数,搭建实验环境。本实验以DB2数据库为目标数据库,TPC-H基准测试的1G数据量和其经典查询分别作为数据源和负载,在不同的缓冲池规格大小下,进行实验,运用DB2数据库白带的快照监控器和系统性能测试工具,测试数据,获取模型输入参数值,运用分层方法算法以及平均值线性算法求解该模型的输出参数值,获得模型的预测响应时间。为了证明该模型的有效性,将获得的预测响应时间与该模型所对应的排队网络模型预测响应时间和实际的响应时间进行对比,实验结果证明,该基于缓冲池描述的DBMS分层排队网络模型的预测响应时间比所对应的DBMS排队网络模型预测的响应时间更接近实际的响应时间,从而,说明了该模型的合理性与有效性。(本文来源于《太原理工大学》期刊2013-06-01）
庞丽英[6]（2013）在《基于数据锁描述的数据库系统分层排队网络模型》一文中研究指出随着信息化技术的逐步发展和成熟,应用性能的优化逐渐成为企业所关注的焦点。在应用性能优化中,数据库系统的优化是根据负载的变化动态进行的,对应用的性能影响尤其显着,在应用系统性能优化中占据着核心的地位。通常数据库系统性能的调整和优化需要以数据库系统的性能模型为指导。建立精确描述数据库系统性能模型就成为数据库系统性能调整和优化的关键。数据锁作为数据库系统临界资源的一部分,对数据库系统性能的影响是不可忽略的。目前,以数据锁为关键资源建立的数据库性能模型的建模技术主要是排队网络模型,但它只针对计算机硬件资源建模,不能描述复杂系统中存在的层次结构和资源的同时占有,对分析和描述数据锁的执行流程有一定的影响。本文采用分层排队网络模型技术对基于数据锁描述的数据库系统进行建模。分层排队网络模型是排队网络模型的扩展,能同时对系统的软硬件进行建模,能够很好的描述出资源使用的顺序性和资源的占有、调用以及资源的嵌套关系,弥补了排队网络模型的不足。同时,在数据库系统中,行级锁的过多会造成锁内存空间的不足,这种情况下系统自动升级为表级锁,为了节省锁内存提供系统的运行速率,论文采用表级锁来分析锁的工作原理。论文的主要工作如下：1.使用TPC-H提供的基准测试数据,在数据库DB2上搭建实验环境。根据查询在数据库中的执行流程(以数据锁描述为重点)以及分层排队网络模型的建模理论,建立了基于数据锁描述的数据库系统分层排队网络模型。2.利用分层算法分析和求解分层排队网路模型。根据分层算法中模型的输入参数,实验中用直接法和间接法对模型的输入参数进行获取。由于负载的并发访问会造成数据锁等待的情况,而在实际中负载执行时间的延迟也可能是并发负载对资源的争夺等原因造成的,因此实验从锁等待占总延迟时间的1-0.5情况下分别求解得出合理的锁等待占比范围,进而得出实验中锁等待的时间。3.实验以叁组负载对模型进行分析和求解,通过与数据库系统的排队网络模型对比来说明分层排队网络模型建模的优势。(本文来源于《太原理工大学》期刊2013-05-01）
赵建光[7]（2012）在《云计算环境下数据库系统的分层排队网络模型》一文中研究指出从20世纪后期到本世纪初,由于信息技术的迅猛发展及其产业规模的不断扩大,云计算成为继自来水、电力、天然气、电信之后的第五个公共基础设施服务。云计算是利用网络将各种资源(包括硬件资源和软件资源——这些资源可能分布在本地或者异地)整合在一起,从而构建成一个虚拟的计算资源池,通过统一管理和调度为用户按需提供服务。云计算是一种高效低成本的计算模式,这种模式不仅给云提供商带来显着的经济效益,而且也给云用户带来巨大的便捷。一方面,云提供商通过集中采购和管理大量计算机集群系统,并且对这些集群进行优化设计以便提高系统资源利用率,从而大幅提高云提供商的规模经济效益。另一方面,云计算能够供给云用户简单且灵活的计算服务,使用户免于购买、安装、管理和维护计算机软件和硬件设备,加速应用部署,降低用户配置和管理资源的成本。在云计算环境下,数据库系统作为虚拟应用被部署在虚拟机上运行,云用户通过虚拟机使用云资源。对于云服务来说,数据库系统性能的好坏是云服务供需双方共同关注的焦点。一方面,云提供商致力于通过使用尽可能少的资源来满足用户对应用的性能需求,最大化资源利用率,提高企业规模经济效益。另一方面,云用户渴望在使用一定资源的条件下,尽可能优化他们应用的性能。例如,使应用系统的响应时间最小化和吞吐量最大化。因此,在配置运行数据库系统应用的虚拟机时,如何做出恰当的资源配置决策是一个关键问题。针对上述问题,预先推测和考察数据库系统的性能是解决这个问题的有效方法。本文研究使用分层排队网络建模技术,建立云计算环境下数据库系统的性能模型,并且运用分层的方法求解该性能模型,通过实验验证该性能模型的有效性,从而指导在给定数据库系统负载条件下为虚拟机合理地分配资源。主要内容如下：研究云计算、云计算平台Hadoop、性能评价技术和性能监测方法；探究建立云计算环境下数据库系统的分层排队网络模型,探索数据库系统负载及其描述方法,确定数据库系统负载嵌套请求调用的层次关系,讨论分层排队网络模型的输入参数和输出参数以及获取输入参数方法；研究封闭型和开放型排队网络模型的求解方法以及分层排队网络模型的求解方法；研究使用分层的方法求解本文提出的性能模型,预测系统平均响应时间；研究运用Linux、 Hadoop、 Hive、 HBase、 ZookeepeR、Ganglia搭建实验测试环境。在云计算平台Hadoop下,使用Hive对数据库系统进行查询操作,分别测量在单用户和多用户提交负载请求条件下系统平均响应时间。分析比较模型预测的系统平均响应时间与实验测量的系统平均响应时间之间的误差。如果两者的误差小于允许的精度范围,则本文提出的性能模型是有效的；反之,修改性能模型,直到两者的误差小于允许的精度范围。(本文来源于《太原理工大学》期刊2012-05-01）
李轶,强彦,陈俊杰[8]（2009）在《基于分层排队网络模型的分布式系统性能评价》一文中研究指出关于并发或分布式系统的性能评价是一个广泛研究的课题,提供有效的数学理论工具、直观的模型描述方法和有效的模型分析方法,是系统性能评价所面临的关键问题。传统的性能模型——排队网络模型已很难分析这样复杂的系统,分层排队网络(Layered Queueing Net,LQN)模型是排队网络模型的扩展,可以用来分析相互依赖任务间的冲突。介绍了分层排队网络模型的原理及研究现状,并以DBMS为例,建立了DBMS的分层排队网络模型。(本文来源于《电脑开发与应用》期刊2009年03期）
边学工,胡瑞敏,陈军,李德仁[9]（2004）在《基于分层排队网络模型的MCU性能预测及优化研究》一文中研究指出针对视频会议系统中的多点控制单元 (MCU)提出了一个基于分层排队网络模型的性能预测方法 .通过对分层排队网络模型进行扩展 ,建立了多点控制单元的分层排队模型 .设计了一个仿真程序对模型进行评价 ,仿真程序的输入即模型配置文件 .该方法可以较快地从多种设计方案或硬件平台中选择满足系统性能设计目标的软件或硬件配置 .仿真结果显示 ,选择双处理器配置和采用多线程技术 ,多点控制单元的接入容量提高了 5 0 % .最后 ,多点控制单元终端接入实验证明了该方法的有效性 .(本文来源于《计算机学报》期刊2004年02期）
分层排队网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对数据锁对数据库管理系统(DBMS)性能的影响,在分析数据锁工作原理的基础上提出DBMS基于数据锁描述的分层排队网络模型LQNM(Layered Queuing Network Model),运用分层算法MOL(Method of layered)实现模型的求解。通过求解后的实验结果与排队网络模型QNM(Queuing Networks Model)进行比较以此来说明该模型通过对数据锁的描述提高了模型预测精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分层排队网络论文参考文献
[1].刘青,赵杰,牛保宁,牛之贤.基于缓冲池描述的DBMS分层排队网络模型及其求解[J].计算机应用与软件.2015
[2].庞丽英,牛保宁.基于数据锁描述的DBMS分层排队网络模型[J].计算机应用与软件.2014
[3].刘青.云环境下数据库系统的分层排队网络模型研究[D].太原理工大学.2014
[4].赵杰,牛保宁.基于缓冲池描述的DBMS分层排队网络模型[J].计算机工程与设计.2013
[5].赵杰.基于缓冲池描述的DBMS分层排队网络模型[D].太原理工大学.2013
[6].庞丽英.基于数据锁描述的数据库系统分层排队网络模型[D].太原理工大学.2013
[7].赵建光.云计算环境下数据库系统的分层排队网络模型[D].太原理工大学.2012
[8].李轶,强彦,陈俊杰.基于分层排队网络模型的分布式系统性能评价[J].电脑开发与应用.2009
[9].边学工,胡瑞敏,陈军,李德仁.基于分层排队网络模型的MCU性能预测及优化研究[J].计算机学报.2004