主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
赵铁柱,董守斌,Verdi MARCH,Simon SEE.面向并行文件系统的性能评估及相对预测模型.软件学报,2011,22(9):2206-2221
面向并行文件系统的性能评估及相对预测模型
Performance Evaluation and Relative Predictive Model of Parallel File System
投稿时间:2010-03-25  修订日期:2010-06-29
DOI:10.3724/SP.J.1001.2011.03906
中文关键词:  并行文件系统  性能评估  性能模型  Lustre 文件系统
英文关键词:parallel file system  performance evaluation  performance model  Lustre file system
基金项目:国家自然科学基金(10805019); 国家重点基础研究发展计划(973)(2009CB320505); 国家发改委CNGI 项目(CNGI2008-109/122)
作者单位E-mail
赵铁柱 华南理工大学 广东省计算机网络重点实验室,广东 广州 510641
五邑大学 计算机学院,广东 江门 529020 
 
董守斌 华南理工大学 广东省计算机网络重点实验室,广东 广州 510641 zhao.kevin2008@gmail.com 
Verdi MARCH Technical and Cloud Computing Center, Oracle Corporation, Singapore
Department of Computer Science, National University of Singapore, Singapore 
 
Simon SEE Technical and Cloud Computing Center, Oracle Corporation, Singapore
Department of Mechanical & Aerospace Engineering, Nanyang Technological University, Singapore 
 
摘要点击次数: 3681
全文下载次数: 3378
中文摘要:
      基于Lustre 文件系统,对并行文件系统的性能评估和性能建模进行了研究.通过对性能因子的调研,进行了一系列性能评估实验,并提出性能相关性模型(PRModel).在实验评估和PRModel 分析中发现,在不同的性能因子之间存在着紧密的性能相关性.为了挖掘并利用这种相关性信息,提出了一种相对性能预测模型(RPPModel)来预测不同性能因子条件下的性能.为了验证RPPModel 的有效性,设计了大量实验用例.结果表明,预测结果的平均相对误差能够控制在17%~28%的范围内,易于使用且具有较好的预测准确度.
英文摘要:
      In this paper, the performance evaluation and modeling of parallel file system based on Lustre file system is studied. After performing a survey on performance factors, a series of performance evaluations via experimental approaches and propose a performance relational model (PRModel). In the experimental and PRModel analysis, it is found that different performance factors have closed performance correlations. In order to mime the relational information, a novel relative performance predictive model (RPPModel) is proposed. This model can be used to predict the overhead over different performance factors. The model is validated through a series of experiments over a variety of performance factors. The experimental results show that the average relative errors results can be controlled within 17%~28%. This model is easy to use and can obtain better prediction accuracy.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利