Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Khám Phá Các Bất Biến Có Thể Có Trong Hệ Thống Giao Dịch Phân Tán Để Quản Lý Hệ Thống Tự Động
Tóm tắt
Số lượng lớn dữ liệu giám sát có thể được thu thập từ các hệ thống phân tán như là các quan sát để phân tích hành vi của hệ thống. Tuy nhiên, nếu không có các mô hình hợp lý để đặc trưng hóa các hệ thống, chúng ta khó có thể diễn giải dữ liệu giám sát một cách hiệu quả cho việc quản lý hệ thống. Trong bài báo này, một khái niệm mới mang tên cường độ dòng chảy (flow intensity) được giới thiệu để đo lường cường độ mà dữ liệu giám sát nội bộ phản ứng với khối lượng yêu cầu của người dùng trong các hệ thống giao dịch phân tán. Chúng tôi đề xuất một phương pháp mới để tự động mô hình hóa và tìm kiếm mối quan hệ giữa các cường độ dòng chảy được đo lường tại nhiều điểm khác nhau trong hệ thống. Nếu các mối quan hệ được mô hình hóa luôn đúng, chúng được coi là các bất biến của hệ thống cơ bản. Kết quả thực nghiệm từ một hệ thống thực tế cho thấy các bất biến như vậy tồn tại rộng rãi trong các hệ thống giao dịch phân tán. Hơn nữa, chúng tôi thảo luận về cách các bất biến này có thể được sử dụng để đặc trưng hóa các hệ thống phức tạp và hỗ trợ quản lý hệ thống tự động.
Từ khóa
#Hệ thống giao dịch phân tán #cường độ dòng chảy #bất biến #quản lý hệ thống tự động #mô hình hóa.Tài liệu tham khảo
M.K. Aguilera, J.C. Mogul, J.L. Wiener, P. Reynolds, and A. Muthitacharoen, Performance debugging for distributed systems of black boxes, in: Proceedings of the Nineteenth ACM Symposium on Operating Systems Principles (2003) pp. 74–89.
http://phx.corporate-ir.net/phoenix.zhtml? c=97664&p=iro-news Article&ID$=$798960&highlight=
W. Brogan, Modern Control Theory, 3rd edn (Prentice Hall, 1990).
M. Chen, A. Accardi, E. Kiciman, J. Lloyd, D. Patterson, A. Fox, and E. Brewer, Path-based failure and evolution management, in: 1st USENIX Symposium on Networked Systems Design and Implementation (NSDI ’04), San Francisco, CA (March, 2004), pp. 309–322.
http://www.nttdocomo.com/files/presscenter/34_No14_Doc.pdf/
I. Cohen, S. Zhang, M. Goldszmidt, J. Symons, T. Kelly, and A. Fox, Capturing, indexing, clustering, and retrieving system history, SIGOPS Oper. Syst. Rev. 39(5) (2005) 105–118.
M. Ernst, J. Cockrell, W. Griswold, and D. Notkin, Dynamically discovering likely program invariants to support program evolution. IEEE Trans. on Software Engineering 27(2) (2001) 99–123.
J. Gertler, Fault Detection and Diagnosis in Engineering Systems (Marcel Dekker, New York, 1998).
S. Hangal and M. Lam, Tracking down software bugs using automatic anomaly detection, in: Proceedings of the 24th International Conference on Software Engineering, (2002) pp. 291–301.
R. Isermann and P. Balle, Trends in the application of model-based fault detection and diagnosis of industrial process, Control Engineering Practice 5(5) (1997) 709–719.
G. Jiang, H. Chen, and K. Yoshihira, Modeling and tracking of transaction flow dynamics for fault detection in complex systems, to appear in IEEE Trans. on Dependable and Secure Computing.
http://java.sun.com/products/JavaManagement/
L. Ljung, System Identification—Theory for The User, 2nd edn (Prentice Hall PTR, 1998).
J. O’Madadhain, D. Fisher, S. White, and Y. Boey, The jung (java universal network/graph) framework, Technical Report UCI-ICS 03-17, UC Irvine Information and Computer Science (2003). Available at jung.sourceforge.net
D. Oppenheimer, A. Ganapathi, and D. Patterson, Why do internet services fail, and what can be done about it, in: 4th Usenix Symposium on Internet Technologies and Systems (USITS03) (2003) pp. 1–16.
D. Patterson, A simple way to estimate the cost of downtime, in: Proceedings of LISA-2002: Sixteenth System Administration Conference (2002) pp. 185–188.
D. Patterson, A. Brown et al., Recovery-oriented computing (ROC): Motivation, definition, techniques, and case studies, Technical Report UCB//CSD-02-1175, UC Berkeley Computer Science, Available at roc.cs.berkley.edu (2002).
http://java.sun.com/developer/releases/petstore/
http://news.bbc.co.uk/2/hi/business/4395258.stm
A. Yemini and S. Kliger, High speed and robust event correlation, IEEE Communication Magazine, 34(5) (1996) 82–90.
G. Zhen, G. Jiang, H. Chen, and K. Yoshihira, Tracking probabilistic correlation of monitoring data for fault detection in complex systems, in: The International Conference on Dependable Systems and Networks (DSN2006), Philadelphia, PA (June 2006).