Αποτελέσματα - Λεπτομέρειες
Εντολή Αναζήτησης : Συγγραφέας="Πλεξουσάκης"
Και Συγγραφέας="Δημήτρης"
Τρέχουσα Εγγραφή: 43 από 88
|
|
| Κωδικός Πόρου |
000409984 |
| Τίτλος |
A measurement based approach to performance prediction in NoSQL systems |
| Άλλος τίτλος |
Πρόβλεψη της απόδοσης NoSQL συστημάτων με βάση συστηματικές μετρήσεις |
|
Συγγραφέας
|
Καρνιαβούρα, Φλώρα Γ.
|
|
Σύμβουλος διατριβής
|
Πλεξουσάκης, Δημήτρης
|
|
Μέλος κριτικής επιτροπής
|
Μαγκούτης, Κώστας
Τσακαλίδης, Παναγιώτης
|
| Περίληψη |
Η δυνατότητα ακριβούς πρόβλεψης του τύπου και της ποσότητας των απαραίτητων
πόρων για να διατηρηθεί ένα επιθυμητό επίπεδο απόδοσης αποτελεί σημαντικό στόχο
κάθε συστήματος διαχείρισης υπηρεσιών λογισμικού. Η χρήση συστηματικών
μετρήσεων με στόχο τη δημιουργία μοντέλων πρόβλεψης της απόδοσης λογισμικού έχει
μελετηθεί ερευνητικά στο παρελθόν, ωστόσο τέτοια μοντέλα για εφαρμογές που
χρησιμοποιούν NoSQL βάσεις δεδομένων δεν έχουν μελετηθεί αρκετά ως σήμερα. Οι
τεχνικές πρόβλεψης απόδοσης που βασίζονται σε μετρήσεις συχνά περιορίζονται από το
στενό εύρος χαρακτηριστικών διαθέσιμου υλικού στις ιδιωτικές υποδομές κάθε
οργανισμού. Μια ευκαιρία για να βελτιωθεί αυτή η κατάσταση, είναι η εξάπλωση
γεωγραφικά κατανεμημένων και υπηρεσιοστρεφών υποδομών έρευνας και
εκπαίδευσης μεγάλης κλίμακας, οι οποίες προσφέρουν στην ερευνητική κοινότητα μια
ποικιλία ετερογενούς υλικού συστημάτων. Η παρούσα διπλωματική εργασία
παρουσιάζει μια μεθοδολογία βασισμένη σε μετρήσεις για την πρόβλεψη της απόδοσης
του Yahoo Cloud Serving Benchmark (YCSB) πάνω από NoSQL συστήματα, σε τέτοιες
υποδομές. Λαμβάνουμε υπόψη τρεις τεχνικές regression: Multivariate adaptive regression splines (MARS), support vector regression (SVR),
και artificial neural network (ANN) regression.
Με βάση την ανάλυση πειραματικών αποτελεσμάτων καταλήγουμε
στο συμπέρασμα πως και οι τρεις τεχνικές επιτυγχάνουν πρόβλεψη απόδοσης με μέσο
όρο ακρίβειας πάνω από 90%, με την τεχνική MARS να επιτυγχάνει τα καλύτερα
αποτελέσματα. Στη συνέχεια επεκτείνουμε τα αποτελέσματά μας εστιάζοντας στο MARS
σε ένα εικονικό περιβάλλον νέφους, μελετώντας δυο NoSQL βάσεις δεδομένων, την
MongoDB και την RethinkDB. Παρά τις διαφορές μεταξύ των δύο συστημάτων,
επιβεβαιώνουμε πως το MARS επιτυγχάνει πρόβλεψη απόδοσης με ικανοποιητική
ακρίβεια και στα δυο συστήματα, με μέσο όρο 95% στις περιπτώσεις που μελετήσαμε.
Με βάση αυτά τα αποτελέσματα η παρούσα διπλωματική εργασία καταδεικνύει τη
θετική προοπτική αυτής της μεθοδολογίας σε εφαρμογές που χρησιμοποιούν βάσεις
δεδομένων τύπου NoSQL.
|
| Φυσική περιγραφή |
vi, 55 σ. : σχεδ., πιν., εικ. ; 30 εκ. |
| Γλώσσα |
Αγγλικά |
| Θέμα |
NoSQL data stores |
|
NoSQL βάσεις δεδομένων |
| Ημερομηνία έκδοσης |
2017-07-21 |
| Συλλογή
|
Σχολή/Τμήμα--Σχολή Θετικών και Τεχνολογικών Επιστημών--Τμήμα Επιστήμης Υπολογιστών--Μεταπτυχιακές εργασίες ειδίκευσης
|
|
|
Τύπος Εργασίας--Μεταπτυχιακές εργασίες ειδίκευσης
|
| Μόνιμη Σύνδεση |
https://elocus.lib.uoc.gr//dlib/a/6/c/metadata-dlib-1498062327-945344-15445.tkl
|
| Εμφανίσεις |
452 |
Αναζήτηση
