CN105049237A - 一种多级业务性能模型及瓶颈发现方法 - Google Patents
一种多级业务性能模型及瓶颈发现方法 Download PDFInfo
- Publication number
- CN105049237A CN105049237A CN201510353918.9A CN201510353918A CN105049237A CN 105049237 A CN105049237 A CN 105049237A CN 201510353918 A CN201510353918 A CN 201510353918A CN 105049237 A CN105049237 A CN 105049237A
- Authority
- CN
- China
- Prior art keywords
- represent
- web
- app
- service
- bottleneck
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Debugging And Monitoring (AREA)
Abstract
一种多级业务性能模型及瓶颈发现方法,针对通用的用户、WEB、APP、DB组成的多级业务系统,通过镜像映射方式将传统的双向数据流传输路径抽象为单向数据传输路径,如原有双向路径为{UE_i<->WEB<->APP_i1<->DB_i1,WEB<->APP_i2<–>DB_i2},通过镜像映射方式转换后的路径为:正向{UE_i->WEB->APP_i1->DB_i1,WEB->APP_i2->DB_i2},镜像为{DB_i1->APP_i1->WEB->UE_i,DB_i2->APP_i2->WEB},并将APP和DB组成的系统称为反馈系统。本发明能有效分析系统端到端的时延性能,发现系统性能故障,提升运维和管理能力。
Description
技术领域
本发明属于系统建模和性能评估优化技术领域,如企业应用系统性能测试、优化、系统资源调度等方面。
背景技术
随着信息技术发展,企业业务越来越复杂,系统运维随之变得复杂。网络上承载的业务形态从原来的单一型数据流逐渐发展成为文本、图像、语音、视频等信息的综合性数据流。不同的应用对网络提出了不同的服务质量(QualityofService,QoS)要求,通过满足各种QoS要求从而提高用户体验(QualityofExperience,QoE)是系统运维和管理中极大的挑战。网络演算在1991年提出之后逐渐发展,已成为一种网络队列系统性能定量分析的重要而有效的数学工具,最初主要是解决QoS的资源预留问题,经发展和完善,已经广泛应用于多种网络类型的性能分析,特别是在网络的端到端性能分析方面有其独特的优势。
针对用户体验的指标衡量,最重要的是业务系统的端到端性能。作者ZhouTao等的文章“PerformanceAnalysisonM2MCommunicationNetworksBasedonStochasticNetworkCalculus,”InternationalConferenceonTrust,SecurityandPrivacyinComputingandCommunications,pp.865-870,2014.以及作者HuangzhongLi等的文章“End-to-EndDelayAnalysisinWirelessNetworkCoding:ANetworkCalculusBasedApproach,”InternationalConferenceonDistributedComputingSystems,pp.47-56,2011.均通过网络演算对端到端性能进行研究,但文章均将整个网络当作一个组件来分析,没有通用的系统模型和瓶颈性能分析机制,同时也缺乏流量优先级的考虑。
发明内容
本发明的目的是为了更好的解决上述问题,提出一种基于网络演算的多级业务性能模型及瓶颈发现方法,提升系统运维和管理能力。
本发明的技术方案如下:
一种多级业务性能模型及瓶颈发现方法,针对通用的用户、WEB、APP、DB组成的多级业务系统,通过镜像映射方式将传统的双向数据流传输路径抽象为单向数据传输路径,如原有双向路径为{UE_i<->WEB<->APP_i1<->DB_i1,WEB<->APP_i2<–>DB_i2},通过镜像映射方式转换后的路径为:正向{UE_i->WEB->APP_i1->DB_i1,WEB->APP_i2->DB_i2},镜像为{DB_i1->APP_i1->WEB->UE_i,DB_i2->APP_i2->WEB},并将APP和DB组成的系统称为反馈系统。
本发明方法基于网络演算理论,第i种业务类型的系统端到端时延界限函数表示为
其中, 表示WEB服务器的时延界限函数分布;表示到达曲线和服务曲线的最大水平距离;表示WEB服务器到达曲线的界限函数;表示WEB服务器服务曲线的界限函数;
本发明方法计算系统端到端时延界限函数时,对业务流和连续系统节点进行等量子集划分,表示为
NW表示WEB服务器累计业务流数量,KW表示对业务流数量NW进行子集划分的数量,NF表示反馈系统设备数量,KF表示对设备数量NF的子集划分数量,表示划分子集内WEB服务器第i种业务类型到达曲线的界限函数,表示划分子集内反馈系统第i种业务类型服务曲线的界限函数,表示划分子集内WEB服务器第i种业务类型服务曲线的界限函数。
本发明方法实时计算系统端到端时延界限函数,得到系统延时违约率Ci,对比由运维经验给定的系统延时违约率预设值C,Ci≥C时,判定系统出现瓶颈。
本发明方法判定系统出现瓶颈时,计算各子集时延违约率,对比由运维经验给定的子集延时违约率预设值,以此判定出现瓶颈的设备子集或者单个设备。
本发明提出一种多级业务性能模型及瓶颈发现方法,通过网络演算推导业务的端到端时延性能模型,并基于性能模型提出一种性能瓶颈发现机制,发现系统性能故障点,提升系统运维和管理能力。
附图说明
图1为通用的多级业务系统;
图2为传统的端到端的业务交互来回;
图3为镜像的端到端的业务交互来回;
图4为子集划分方法示例;
图5为系统性能瓶颈发现流程.
具体实施方式
下面结合附图和具体实施例对本发明做进一步的说明。
如图1所示为企业通用的多级业务系统,包含用户、网络、WEB服务器、APP务器、DB服务器,其交互方式往往比较复杂,而且随着规模的增加复杂度也增加。
传统的双向数据流传输路径可以表示为{UE_i<->WEB<->APP_i1<->DB_i1,APP_i1<->APP_i2<–>DB_i2},如图2所示。
基于如图2所示的模型,我们采用网络演算来对业务系统的端到端性能进行描述和分析。网络演算会针对系统内的所有节点进行抽象和公式化,以便进行建模和分析。
针对通用的用户、WEB、APP、DB组成的多级业务系统,通过镜像映射方式将传统的双向数据流传输路径抽象为单向数据传输路径,如原有双向路径为{UE_i<->WEB<->APP_i1<->DB_i1,WEB<->APP_i2<–>DB_i2},通过镜像映射方式转换后的路径为:正向{UE_i->WEB->APP_i1->DB_i1,WEB->APP_i2->DB_i2},镜像为{DB_i1->APP_i1->WEB->UE_i,DB_i2->APP_i2->WEB},并将APP和DB组成的系统称为反馈系统,如图3所示。
在分析系统的端到端的时延界限的时候,可以将反馈系统当作一个大的系统或节点,以降低复杂度,在大的系统里面包含的子系统,可以按照相同的方法进行分析。
基于网络演算,第i种业务类型的系统端到端的时延界限函数表示为
其中, 表示WEB服务器的时延界限函数分布;表示到达曲线和服务曲线的最大水平距离;表示WEB服务器到达曲线的界限函数;表示WEB服务器服务曲线的界限函数;
建立如下系统,NW表示WEB服务器累计业务流数量,NF表示反馈系统设备数量,随着系统的复杂,业务流的增加,计算端到端时延复杂度增加,因此对业务流和连续系统节点进行等量子集划分,降低复杂度,如图4所示。计算表达为:
KW表示对业务流数量NW进行子集划分的数量,KF表示对设备数量NF的子集划分数量,表示划分子集内WEB服务器第i种业务类型到达曲线的界限函数,表示划分子集内反馈系统第i种业务类型服务曲线的界限函数,表示划分子集内WEB服务器第i种业务类型服务曲线的界限函数。
通过上述对系统端到端时延界限函数的计算,得到的结果系统的延时违约率Ci,针对每一种业务均能够计算其延时违约率,当违约率过大,或者超出既定界限,认为此种业务在交互过程中出现故障。因此,对比由运维经验给定的系统延时违约率预设值C,Ci≥C时,判定系统出现瓶颈。
同时由上述等量子集划分可以计算各子集时延违约率。因此,当系统出现瓶颈的时候,对比由运维经验给定的子集延时违约率预设值,以此判定出现瓶颈的设备子集或者单个设备。下面以Ci=0.3为例,基本的流程如图5所示。
Claims (5)
1.一种多级业务性能模型及瓶颈发现方法,其特征在于,针对通用的用户、WEB、APP、DB组成的多级业务系统,通过镜像映射方式将传统的双向数据流传输路径抽象为单向数据传输路径,如原有双向路径为{UE_i<->WEB<->APP_i1<->DB_i1,WEB<->APP_i2<–>DB_i2},通过镜像映射方式转换后的路径为:正向{UE_i->WEB->APP_i1->DB_i1,WEB->APP_i2->DB_i2},镜像为{DB_i1->APP_i1->WEB->UE_i,DB_i2->APP_i2->WEB},并将APP和DB组成的系统称为反馈系统。
2.根据权利要求1所述的一种多级业务性能模型及瓶颈发现方法,其特征在于,基于网络演算理论,第i种业务类型的系统端到端时延界限函数表示为:
其中,表示WEB服务器的时延界限函数分布;表示到达曲线和服务曲线的最大水平距离;表示WEB服务器到达曲线的界限函数;表示WEB服务器服务曲线的界限函数;
表示反馈系统的时延界限函数分布,表示到达曲线和服务曲线的最大水平距离;表示反馈系统到达曲线的界限函数;表示反馈系统服务曲线的界限函数。
3.根据权利要求书2所述的一种多级业务性能模型及瓶颈发现方法,其特征在于,计算系统端到端时延界限函数时,对业务流和连续系统节点进行等量子集划分,表示为:
NW表示WEB服务器累计业务流数量,KW表示对业务流数量NW进行子集划分的数量,NF表示反馈系统设备数量,KF表示对设备数量NF的子集划分数量,表示划分子集内WEB服务器第i种业务类型到达曲线的界限函数,表示划分子集内反馈系统第i种业务类型服务曲线的界限函数,表示划分子集内WEB服务器第i种业务类型服务曲线的界限函数。
4.根据权利要求1所述的一种多级业务性能模型及瓶颈发现方法,其特征在于,实时计算系统端到端时延界限函数,得到系统延时违约率Ci,对比由运维经验给定的系统延时违约率预设值C,Ci≥C时,判定系统出现瓶颈。
5.根据权利要求1所述的一种多级业务性能模型及瓶颈发现方法,其特征在于,判定系统出现瓶颈时,计算各子集时延违约率,对比由运维经验给定的子集延时违约率预设值,以此判定出现瓶颈的设备子集或者单个设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510353918.9A CN105049237A (zh) | 2015-06-24 | 2015-06-24 | 一种多级业务性能模型及瓶颈发现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510353918.9A CN105049237A (zh) | 2015-06-24 | 2015-06-24 | 一种多级业务性能模型及瓶颈发现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105049237A true CN105049237A (zh) | 2015-11-11 |
Family
ID=54455459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510353918.9A Pending CN105049237A (zh) | 2015-06-24 | 2015-06-24 | 一种多级业务性能模型及瓶颈发现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105049237A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101042764A (zh) * | 2006-03-22 | 2007-09-26 | 王世勇 | 电子业务确认系统及其实现方法 |
CN102694705A (zh) * | 2012-05-22 | 2012-09-26 | 项小东 | 基于互联网的家电信息管理与服务装置与实现方法 |
CN103441900A (zh) * | 2013-08-27 | 2013-12-11 | 上海新炬网络技术有限公司 | 集中式跨平台自动化测试系统及其控制方法 |
CN103532759A (zh) * | 2013-10-17 | 2014-01-22 | 重庆邮电大学 | 面向云服务的聚合流的接纳控制方法 |
-
2015
- 2015-06-24 CN CN201510353918.9A patent/CN105049237A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101042764A (zh) * | 2006-03-22 | 2007-09-26 | 王世勇 | 电子业务确认系统及其实现方法 |
CN102694705A (zh) * | 2012-05-22 | 2012-09-26 | 项小东 | 基于互联网的家电信息管理与服务装置与实现方法 |
CN103441900A (zh) * | 2013-08-27 | 2013-12-11 | 上海新炬网络技术有限公司 | 集中式跨平台自动化测试系统及其控制方法 |
CN103532759A (zh) * | 2013-10-17 | 2014-01-22 | 重庆邮电大学 | 面向云服务的聚合流的接纳控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Scharbarg et al. | A probabilistic analysis of end-to-end delays on an AFDX avionic network | |
Guo et al. | Dynamic performance optimization for cloud computing using M/M/m queueing system | |
Huang et al. | When backpressure meets predictive scheduling | |
CN102780581B (zh) | 一种基于随机型网络演算的afdx端端时延上界计算方法 | |
CN102740367B (zh) | 数据流的传输方法及装置 | |
Lin et al. | Heavy-traffic analysis of mean response time under shortest remaining processing time | |
Arunachalam et al. | A fluid queue modulated by two independent birth–death processes | |
CN101478456B (zh) | 一种快速转发服务端到端延时预测方法 | |
Mikhailovna et al. | Evaluation and comparison of classical and fractal queuing systems | |
Woisetschläger et al. | Federated fine-tuning of llms on the very edge: The good, the bad, the ugly | |
Zuo et al. | Fault-tolerant bandwidth reservation strategies for data transfers in high-performance networks | |
Aït-Salaht et al. | Stochastic bounds and histograms for network performance analysis | |
Alencar et al. | Stochastic estimation of on-time message delivery in a packet-switched network with messages of different priorities | |
Mohammed et al. | Methods for assessing the impact of bandwidth of control channels on the quality of telecommunications networks in the transmission of data packets of different types | |
Mahmood et al. | Effect of heterogeneous traffic on quality of service in 5G network | |
Rao et al. | Performance of non-homogeneous communication networks with Poisson arrivals and dynamic bandwidth allocation | |
CN105049237A (zh) | 一种多级业务性能模型及瓶颈发现方法 | |
Dimitriou et al. | Analysis of cognitive radio networks with cooperative communication | |
Czachórski et al. | Analytical and numerical means to model transient states in computer networks | |
Bouillard et al. | Worst-case analysis of tandem queueing systems using network calculus | |
Zhang et al. | A data stream prediction strategy for elastic stream computing systems | |
Irina et al. | Predicting characteristics of self-similar traffic | |
Xiang et al. | Performance research on time-triggered Ethernet based on network calculus | |
Zadorozhnyi et al. | Infinite Markings Method in Queueing Systems with the Infinite Variance of Service Time | |
Hwang et al. | Performance of correlated queues: the impact of correlated service and inter-arrival times |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151111 |