存儲(chǔ)系統(tǒng)中突發(fā)訪問行為的分析與預(yù)測(cè).pdf

1、暨南大學(xué)暨南大學(xué)碩士學(xué)位論文士學(xué)位論文題名（中英對(duì)照）：存儲(chǔ)系統(tǒng)中突發(fā)訪問行為的分析與預(yù)測(cè)Analyzepredicttheflashcrowdonstagesystem作者姓名：黃立鋒指導(dǎo)教師姓名及學(xué)位、職稱：鄧玉輝博士教授學(xué)科、專業(yè)名稱：計(jì)算機(jī)科學(xué)系、計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)學(xué)位類型：學(xué)術(shù)學(xué)位論文提交日期：2015年月日論文答辯日期：2015年月日答辯委員會(huì)主席：凌捷論文評(píng)閱人：周繼鵬陳平華學(xué)位授予單位和日期：I摘要摘要突發(fā)訪問是指在一段極短

2、的時(shí)間內(nèi)對(duì)服務(wù)器出現(xiàn)大量的突擊式訪問，但服務(wù)器的處理能力卻滿足不了急劇上升的訪問量而無法順利完成用戶提交的相關(guān)請(qǐng)求。傳統(tǒng)的計(jì)算機(jī)系統(tǒng)往往是基于預(yù)期的峰值負(fù)載來對(duì)資源進(jìn)行靜態(tài)配置的，那么突發(fā)訪問的存在就會(huì)帶來諸如能耗，資源浪費(fèi)等問題。由于突發(fā)訪問行為的隨機(jī)性，如何有效地預(yù)測(cè)突發(fā)訪問行為一直是一個(gè)非常具有挑戰(zhàn)性的問題。本文提出了一種基于數(shù)據(jù)挖掘的方法來獲取存儲(chǔ)系統(tǒng)中的頻繁關(guān)聯(lián)IO，然后通過過濾頻繁關(guān)聯(lián)IO來預(yù)測(cè)突發(fā)訪問行為的發(fā)生。為了提高頻

3、繁關(guān)聯(lián)IO的挖掘效率，本文在Aprii算法的基礎(chǔ)上，結(jié)合IO數(shù)據(jù)的時(shí)間屬性，引入關(guān)聯(lián)強(qiáng)化窗口。在產(chǎn)生頻繁關(guān)聯(lián)序列的過程中，該窗口能夠以默認(rèn)大小和不定步長(zhǎng)，達(dá)到減少時(shí)間開銷，實(shí)現(xiàn)時(shí)間局部感知以及強(qiáng)化規(guī)則關(guān)聯(lián)性的效果。實(shí)驗(yàn)表明，新的挖掘算法不但可以獲得與原來算法一致的結(jié)果，而且降低了原挖掘算法20%到40%的時(shí)間開銷。此外，本文通過實(shí)驗(yàn)分析發(fā)現(xiàn)主導(dǎo)突發(fā)訪問行為的因素并非頻繁關(guān)聯(lián)IO，基于以上發(fā)現(xiàn)，本文提出了一種基于關(guān)聯(lián)挖掘的突發(fā)預(yù)測(cè)算法。該

4、算法主要包括以下五個(gè)步驟：首先對(duì)三個(gè)真實(shí)的IO數(shù)據(jù)集的訓(xùn)練集進(jìn)行頻繁關(guān)聯(lián)IO的挖掘；其次按照較長(zhǎng)時(shí)間粒度對(duì)數(shù)據(jù)集進(jìn)行劃分并獲得其對(duì)應(yīng)的IO請(qǐng)求；再次對(duì)較短時(shí)間粒度內(nèi)發(fā)生的頻繁關(guān)聯(lián)IO進(jìn)行過濾；然后利用過濾后的塊IO來預(yù)測(cè)較長(zhǎng)時(shí)間粒度內(nèi)的突發(fā)訪問行為；最后得出這種預(yù)測(cè)方法的命中率和發(fā)生率。本文在確定了突發(fā)閾值和觀察閾值后，接著利用該算法對(duì)三個(gè)IO數(shù)據(jù)集的測(cè)試集進(jìn)行了驗(yàn)證實(shí)驗(yàn)，并與傳統(tǒng)的時(shí)序預(yù)測(cè)算法進(jìn)行了對(duì)比。實(shí)驗(yàn)表明，在理想的情況下，這種