Математична модель опису інтенсивності запитів до сервера

Автор(и)

  • Pavlo Pustovoitov Національний технічний університет «Харківський політехнічний інститут», Україна https://orcid.org/0000-0003-3884-0200
  • Kateryna Kostyk Національний технічний університет «Харківський політехнічний інститут», Україна https://orcid.org/0000-0003-4139-9970
  • Volodimir Kompaniiets Національний технічний університет «Харківський політехнічний інститут», Україна https://orcid.org/0000-0003-2909-6993
  • Vitalii Voronets Національний технічний університет «Харківський політехнічний інститут», Україна https://orcid.org/0000-0002-7793-3824
  • Hasan Хасан Національний технічний університет «Харківський політехнічний інститут», Україна https://orcid.org/0000-0001-8272-2960

DOI:

https://doi.org/10.20998/2413-4295.2020.02.10

Ключові слова:

моделювання пулу підключень, коливання інтенсивності запитів, рівняння регресії, статистичний аналіз

Анотація

Робота присвячена побудові математичної моделі нестаціонарного потоку запитів клієнтів до бази даних із метою подальшого моделювання показників якості обслуговування. Математична модель коливання кількості запитів до бази даних має вигляд рівняння регресії та дозволяє більш точно проводити моделювання розміру пулу з’єднань у сервлеті. Пул з'єднань - це схема, яка допомагає скоротити час відповіді на запити до баз даних. З іншого боку, додатково використовуються серверні ресурси, що витрачають пам'ять. Завдання обчислення оптимального розміру пулу підключень могло бути вирішене достовірно за допомогою математичних апаратів, які вимагають інформації про інтенсивність потоку стаціонарних вхідних запитів. Відомо, що потік реальних вхідних запитів є нестаціонарним. У статті запропонована математична модель коливань інтенсивності потоку з добовими та погодинними гармонічними коливаннями. Проведено статистичний аналіз адекватності моделі, перевірено однорідність дисперсій, оцінено значення коефіцієнтів рівняння регресії. Отримана математична модель описує коливання інтенсивності запитів клієнтів до сервлету протягом тижня. Математичну модель можна використовувати для прогнозування навантаження на сервер або для побудови імітаційної моделі системи обслуговування запитів. Перевірено адекватність моделі, перевірено однорідність дисперсій, оцінено значущість коефіцієнтів рівняння регресії, перевірено адекватність рівняння регресії, проведено аналіз автокореляції залишків. Отримані у статті результати дають подальший розвиток технологіям моделювання процесів у інформаційних системах та можуть бути використані при обчисленні навантаження на сервер при нестаціонарному потоку запитів від клієнтів до бази даних.

Посилання

Ankit Kr. Tiwari, Surendra Yadav, Manish Mathuria, Manish Sharma, Hemlata Chaudhary. Performance Optimization of Web Applications using Connection Pooling. Proceedings of International Conference on Innovations in information Embedded and Communication Systems (ICIIECS’16), 2016.

Chen S., Liu Y., Gorton I., Liu A. Performance prediction of component-based applications. Journal of Systems and Software, 2005, 74(1), p. 35-43,https://doi.org/10.1016/j.jss.2003.05.005" target="_blank"> doi: 10.1016/j.jss.2003.05.005.

Donald Gross, John F. Shortle, James M. Thompson, Carl M. Harris. Fundamentals of Queueing Theory 4th Edition. New Jercy, Wiley, 2008.

Ancans A., Petersons E., Ipatovs A. Vehicular wireless network access controller parameter estimation. In 2017 Progress in Electromagnetics Research Symposium-Fall (PIERS-FALL) IEEE (2017, November), p. 2152-2159, doi: 10.1109/PIERS-FALL.2017.8293496.

Pustovoitov P., Sokol G., Hroza P., Tyrtyshnikov O., Rvachova N. Mathematical Model of Single-Channel Infocommunication Node with Several Packet Flows. Proceedings of 2018 International Scientific-Practical Conference on Problems of Infocommunications. Science and Technology, 2018, p. 166-170, doi: 10.1109/INFOCOMMST.2018.8632128.

Pustovoitov P., Sokol G. The model of dual channel network node with shared memory. Proceedings of 2nd International Conference on Advanced Information and Communication Technologies, 2017, p. 266-269, doi: 10.1109/AIACT.2017.8020116.

Li B. Z., Wu F. S., Jing Z. J. and Huang H. J. Self-adaptive database connection pool technology in NVMS. Comput. Eng., 2008, No. 23, p. 41-43.

Liang Q. H., Shen Z. F., Luo J. C., Fan H., Ming D. P., Li J. L. Study of database connection pool in LBS platform. Comput. Eng., 2006, No. 32, p. 39-41.

Liu F. A method of design and optimization of database connection pool. Proceedings of the 4th International Conference on Intelligent Human-Machine Systems and Cybernetics, August 26-27 2012, Nanchang, Jiangxi, 2012, V. 2, p. 272-274.

Lv J. B., Dai G. Z. and Mu D. J. Implementation of absolute delay guarantee in database connection pool in Web application servers. Applic. Res. Comput., 2012, No. 29, p. 1838-1841.

Meng P. C., Hu S. B., Shu H. and Yan F. Y. Optimization strategy of connection pool based on ADO. Comput. Eng. Design., 2013, No. 34, p. 1706-1710.

Tian N., Zhang Z. G. Vacation Queueing Models: Theory and Applications. Springer, New York, 2006.

Wang Y. J., Wang F., Yang W. B. Performance comparison test of database access based on database connection pool. Ind. Control Comput., 2010, No. 6, p. 92-94.

Zeng G. L., Fu X. F. A new model of database connection pool. Comput. Digital Eng., 2011, No. 39, p. 163-166.

Silva F. D. A. E., Azevedo C. D. The Assistat Software Version 7.7 and its use in the analysis of experimental data. African Journal of Agricultural Research, 2016, No. 11(39), p. 3733-3740.

Latimer N. R., Abrams K. R., Lambert p. C., Crowther M. J., Wailoo A. J., Morden J. P., Campbell M. J. Adjusting for treatment switching in randomised controlled trials–a simulation study and a simplified two-stage method. Statistical methods in medical research, 2017, No. 26(2), p. 724-751, doi: 10.1177/0962280214557578.

Arregui I., Salvador B., Ševčovič D., Vázquez C. Total value adjustment for European options with two stochastic factors. Mathematical model, analysis and numerical simulation. Computers & Mathematics with Applications, 2018, No. 76(4), p. 725-740,https://doi.org/10.1016/j.camwa.2018.05.012" target="_blank"> doi: 10.1016/j.camwa.2018.05.012.

Wu J., Huo Z. Performance Analysis of Database Connection Pool Technology Based on Queueing Model with Mixed Waiting and Loss. Journal of Software Engineering, 2016, 10(4), p. 383-391, doi: 10.3923/jse.2016.383.391.

Zhu C. S. and Shane Y. F. Study on self-adaptive database connection pool. Comput. Eng. Applic., 2003, No. 36, p. 187-209.

Jain R., Ramachandra A. G. M. Merging connection pools to form a logical pool of connections during a preset period of time thereby more efficiently utilizing connections in connection pools. U.S. Patent Application No. 16/260, 565, 2019.

Ghosh S., Varakantham P., Adulyasak Y., Jaillet p. Dynamic repositioning to reduce lost demand in bike sharing systems. Journal of Artificial Intelligence Research, 2017, No. 58, p. 387-430.

Murphy B. A. The Brandeis-Frankfurter Connection: The Secret Political Activities of Two Supreme Court Justices. Plunkett Lake Press, 2019.

Durrett R. Probability: theory and examples, V. 49, Cambridge university press, 2019.

Greenwood J. A., Hartley H. O. Guide to tables in mathematical statistics. Princeton University Press, 2017.

##submission.downloads##

Як цитувати

Pustovoitov, P., Kostyk, K., Kompaniiets, V., Voronets, V., & Хасан H. (2020). Математична модель опису інтенсивності запитів до сервера. Вісник Національного технічного університету «ХПІ». Серія: Нові рішення у сучасних технологіях, (2(4), 76–84. https://doi.org/10.20998/2413-4295.2020.02.10

Номер

Розділ

Інформаційні технології та системи управління