论文部分内容阅读
性能评价描述、分析和优化系统的动态行为,从时间角度定量地分析系统的性能。传统的性能评价方法主要包括排队论和随机Petri网,随着个人计算机的普及和网络规模的扩大化,对大规模系统进行性能评价成了一个亟待研究的问题。然而,传统的性能评价方法在应用于大规模系统时会因为状态空间爆炸问题导致性能评价无法正常进行。为了解决这一问题,本文以随机进程代数中的典型代表——性能评价进程代数(PEPA)为基础对系统性能进行建模,通过流近似算法提出了针对大规模系统进行性能评价的一个解决方案。本文的主要研究内容如下:1.介绍了主流性能评价方法的原理和实现过程并在比较了这几种常用性能评价方法的优缺点的基础上选用PEPA作为本文中系统建模的语言。2.详细介绍了PEPA的语法及语义规则,并且在其扩展形式GPEPA的基础上,提出了模型简化的等价和合并技术。最后,为了彻底解决大规模系统性能评价时所遇到的状态空间爆炸问题,介绍了流近似算法,通过对描述系统处于各状态的组件数目随时间变化的微分方程组的求解,实现了系统相关性能指标的计算。3.设计实验测量系统建模所需的参数。主要包括了具体实验的实施、实验数据集的修订以及分布函数的拟合三部分。其中,具体实验主要包括了在Linux操作系统下,分别通过dd命令和scp命令对文件读写和传输速率的测量,数据集的修订主要依赖于利用箱线图法判断剔除噪声数据而分布函数的拟合依赖于HyperStar内部聚类模块所提供的聚类拟合算法。4.从实验所得的描述系统中活动速率的参数出发,用GPEPA语言建立系统性能分析的模型并完成模型性能的仿真。从系统吞吐情况及响应时间这两个角度讨论了分支选择活动速率、组件数目及分支选择参数这三组待定参数对系统性能的影响。然后,介绍了GPEPA中的特殊组件——“probe”组件,在测量系统中单一行为及组合行为完成情况时的具体应用。最后,从系统性能评价与仿真过程中得到的具体数据出发,对有关系统性能的一些经验性结论做出了定量分析,提出了本文研究问题的现实意义,为大规模系统的优化部署提出了一些适当的建议。