Improving efficiency of data-intensive applications in goal-oriented adaptive computer systems

• Autorzy: Młyński M. , Rumik P.

Warianty tytułu

PL

Poprawa wydajności aplikacji intensywnie wykorzystujących dane w zorientowanych na cele adaptacyjnych systemach komputerowych

• Języki publikacji: EN

Abstrakty

EN

An accurate use of the ability to steer computer efficiency is essential from the database point of view. Effective resource allocation is dependent on the performance indicators gathered from running systems. There must be an appropriate balance between accurate measurements, performance indicators and speed of the reallocation algorithms of the computing resources. The extended measurement of efficiency which the authors propose for applications is: the average number of queries within a time unit for particular groups of users. This paper presents an analysis of using the Workload Manager utility in the AIX 5L operating system to improve the efficiency of applications in the MySQL database environment, and an analysis of methods which allows the use of Workload Manager for steering efficiency dynamically.

PL

Właściwe wykorzystanie zdolności do sterowania wydajnością systemu komputerowego jest niezbędna z punktu widzenia odbiorcy usług informatycznych. Efektywna alokacja zasobów obliczeniowych jest uzależniona od zebranych metryk wydajności. Należy, więc zachować właściwą równowagę pomiędzy dokładnością pomiarów, oraz szybkością algorytmów służących do realokacji zasobów obliczeniowych rozważanego systemu komputerowego. Proponowany przez autorów rozszerzony pomiar efektywności dla aplikacji to średnia liczba zapytań w jednostce czasu dla poszczególnych grup użytkowników. Taka metryka jest celem do zrealizowania w badanym systemie komputerowym. W artykule przedstawiono analizę wykorzystania zarządcy obciążeniem w systemie operacyjnym AIX 5L do poprawy wydajności aplikacji w środowisku bazy danych MySQL. Zaprezentowano również analizę metod, które pozwalają na korzystanie z zarządcy obciążeniem do dynamicznego sterowania wydajnością. Autorzy analizują zachowanie się systemów nieregularnych. Takie systemy charakteryzują się dość wysokim niedeterminizmem, objawia się to tym, że wielokrotne wykonanie pomiaru obciążenia przy jednakowych warunkach, może dać różne rezultaty. Takie zachowanie systemu jest powodowane magazynowaniem danych w podręcznych strukturach pamięci oraz działaniem systemowych algorytmów przydzielania i zwalniania zasobów informatycznych. Autorzy wykorzystują do badań samodzielnie przygotowane programy i procedury testujące. Program BaseAttack napisany został w języku Java, co sprawia, że testowane środowisko jest zbliżone do stosowanych obecnie w przedsiębiorstwach nowoczesnych systemów komputerowych. Testowane środowisko zostało podzielone na podklasy. Procesy systemowe o większym znaczeniu dla użytkownika są w innych klasach niż procesy mniej znaczące. Wyniki eksperymentów pokazują, że możliwe było zwiększenie wydajności wybranych podklas niemal dwukrotnie bez ingerencji w ustawienia wewnętrznych parametrów bazy danych.

Słowa kluczowe

EN

performance management; workload management; dynamic resource allocation; predictive resource management

• Wydawca: Instytut Informatyki Teoretycznej i Stosowanej Polskiej Akademii Nauk
• Czasopismo: Theoretical and Applied Informatics
• Rocznik: 2011
• Tom: Vol. 23, No. 1
• Strony: 55--72
• Opis fizyczny: Bibliogr. 21 poz., rys.

Twórcy

autor

Młyński M.

autor

Rumik P.

• Association for Computing Machinery,

Bibliografia

• 1. L. W. Russell, S. P. Morgan, E. G. Chron: Clockwork: A new movement in autonomic systems, IBM Systems Journal, pp. 77-84, 2003.
• 2. S. Castro, N. Tezulas, B. Yu, J. Berg, H. Kin, D. Gfroerer: AIX 5L Workload Manager (WLM), IBM International Technical Support Organization, Austin 2001.
• 3. M. Mlynski: Dynamic resource allocation in AIX 5L, In 12th Conference of Real Time Systems, WKL, pp. 247-256, 2005.
• 4. M. Mlynski: Analysis of using an AIX dynamic resource allocation mechanism to describe a utility level of servers in an Oracle database environment, Studia Informatica (formerly Zeszyty Naukowe Politechniki Slaskiej), Vol. 26, no. 3 (64), Gliwice 2005.
• 5. M. Mlynski: The influence of the IBM pSeries servers virtualization mechanism on dynamic resource allocation in AIX 5L, Scalable Computing, Practice and Experience Scientific International Journal for Parallel and Distributed Computing, Volume 10, no. 2, pages 189–199, June 2009.
• 6. S. K. Cabral, K. Murphy: MySQL Administrator’s Bible, Willey, 2009.
• 7. N. Tickett, T. Nakagawa, R. Mani, D. Gfoerer: Understanding IBM @server pSeries Performance and Sizing, IBM International Support Organization, Austin 2001.
• 8. Y. Long, J. Connan, KernTune: self-tuning Linux kernel performance using support vector machines, In Proceedings of the 2007 annual research conference of the South African Institute of Computer Scientists and on IT research in developing countries, 2007.
• 9. M. Mlynski, P. Rumik: Examination of usefulness of Workload Manager in AIX 5L to improve efficiency of applications in an MySQL database, In 2nd Conference of Database, Applications and Systems, WKL, Warsaw 2006.
• 10. M. Mlynski: Automatic Adjustment of the settings of Workload Manager for adaptive performance management, Theoretical and Applied Informatics, Vol. 21, no. 1, pp. 37-57, 2009.
• 11. M. Mlynski: Analysis of using an AIX dynamic resource allocation mechanism to describe a utility level of server in an Oracle databases environment, Studia Informatica (formerly Zeszyty Naukowe Politechniki Slaskiej), Vol. 26, no. 3 (64), 2005.
• 12. M. Mlynski: Understanding performance metrics and their collection in dynamic virtual machines, Theoretical and Applied Informatics, Vol. 22, no. 2, pp. 115-130, 2010.
• 13. C. Matthys, M. Mlynski, N. Tollet, G. Barbati, H. Chauhan, B. Dierberger, R. Marchini,H. Wittmann: Planning, Installing and Using the IBM Virtualization Engine Versin 2.1,IBM International Technical Support Organization, Poughkepsie (USA), 2006.
• 14. M. Srivatsa, N. Rajamani, M. Devarakonda: A Policy Evaluation Tool for Multiside Resource Management, IEEE Transactions on Parallel and Distributed Systems, Vol. 10, no. 10, 2008.
• 15. J. Aman, C. K. Eilert, D. Emmes, P. Yocon, D. Dillenberg: Adaptive algorithms for managing a distributed data processing workload, IBM Systems Journal, Vol. 36. no. 2, pp. 242, 1997.
• 16. P. Padala, X. Zhu, M. Uysal, Z. Wang, S. Singhal, A. Merchant, K. Salem: AdaptiveControl of Virtualized Resources in Utility Computing Environment, Proceedings of the 2nd ACM SIGOPIS/EuroSys European Conference on Computer Systems, 2007.
• 17. E. Kayacan, O. Kaynak: An Adaptive Grey Fuzzy PID ControllerWith Variable Prediction Horizon, In Proceedings of SCIS&ISIS 2006, Japan, 2006.
• 18. X. Xianghua, Y. Yanna, W. Jian: Gray Prediction Control of Adaptive Resources Allocation in Virtualized Computing System, Eight IEEE International Conference on Dependable, Autonomic and Secure Computing, 2009.
• 19. S. H. Chiang, S. Vasupongayya: Design and Potential Performance of Goal-Oriented Job Scheduling Policies for Parallel Computer Workloads, IEEE Transactions on Parallel and Distributed Systems, Vol. 19, no. 12, pp. 1642-1656, 2008.
• 20. Y. Wu, K. Hwang, Y. Yuan, W. Zheng: Adaptive Workload Prediction of Grid Performance in Confidence Windows, IEEE Transactions on Parallel and Distributed Systems, 2009.
• 21. Y. Diago, J. L. Hellerstein, S. Parekh, R. Griffith, G. Kaiser, D. Phung: Self-Managing Systems: A Control Theory Foundation, In 1stWorkshop on Operating System and Architectural Support on Demand IT Infrastructure, 2004.