云环境下基于LQNM的数据库系统自配置框架研究

来源 :计算机应用与软件 | 被引量 : 0次 | 上传用户:andychinajj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对云计算环境下高动态变化的数据库系统负载无法保障服务质量QoS(Quality of Service)的问题,提出一种自适应的数据库系统配置框架。该框架能够根据负载的动态变化,自动调整系统资源配置,从而保障用户要求的服务质量。框架的核心是基于分层排队网络模型LQNM(Layered Queue Network Model)的性能预测模型,用于指导搜索最优的资源配置,满足用户的性能需求。采用Hadoop搭建云计算环境,以TPC-H基准数据进行实验,实验结果显示,通过自适应配置框架对系统资源的调控,系
其他文献
针对用户对搜索引擎查询结果满意度不高的问题,提出一种基于用户行为分析的查询意图识别方法来提高搜索引擎查询质量。将查询意图识别视为一个分类问题,分析搜狗查询日志发现:信息事务类查询串点击的不同页面数较多,分布呈现多极值性;导航类查询串点击的不同页面数较少,分布呈现单极值性;导航类查询结果中,子页面噪声对查询分类结果产生严重干扰。根据以上特点,提出"不同页面点击数"、"点击分布值"和"异源页面点击数"
编者注:作者是承德市总工会党组成员、副主席、政协承德市第十四届常委。今年4月,受组织委派他带队来到围场县于家湾村,担任扶贫工作组组长和村第一书记。这是他在山村上党课后
针对不确定数据流聚类算法——EMicro在聚类结果的精确性和聚类中数据的概率相似度方面的不足,提出一种新基于存在级的不确定数据流算法——UDs Stream。该算法通过设置概率阈值,将不确定性高的点和不确定性低的点分开处理,提高聚类结果的准确性和聚类中数据概率相似度。同时引入窗口和密度的方法,设置动态密度阈值,能够动态掌握数据流的分布特征,使聚类过程有更好的灵活性。实验结果证明,与EMicro相比