Teljesítménymodellezés

Hasonló dokumentumok
Teljesítménymodellezés

Teljesítménymodellezés

Teljesítménymodellezés

Teljesítménymodellezés

Teljesítménymodellezés

Teljesítménymodellezés

Modellek paraméterezése: regresszió, benchmarkok

Virtualizált környezetek teljesítménymérése és elemzése

Hogyan lesz adatbányából aranybánya?

Vizuális adatelemzés

Számítógép-rendszerek fontos jellemzői (Hardver és Szoftver):

Kísérlettervezés alapfogalmak

Megkülönböztetett kiszolgáló routerek az

Rendszermodellezés: házi feladat bemutatás

NAGY TELJESÍTM. Szerzők Dévai. István Automatizálási. és s Alkalmazott Informatikai Tanszék

E.4 Markov-láncok E.4 Markov-láncok. Sok sorbanállási hálózat viselkedése leírható "folytonos idejű Markovláncok " segítségével.

Vizuális adatelemzés


TELJESÍTÉNYMÉRÉS FELHŐ ALAPÚ KÖRNYEZETBEN AZURE CLOUD ANALÍZIS

Fogalomtár Etikus hackelés tárgyban Azonosító: S2_Fogalomtar_v1 Silent Signal Kft. Web:

The Power To Develop. i Develop

Operációs rendszerek II. Folyamatok ütemezése

Szenzorhálózatok programfejlesztési kérdései. Orosz György

Statisztikai módszerek a skálafüggetlen hálózatok

Félreértések elkerülése érdekében kérdezze meg rendszergazdáját, üzemeltetőjét!

Valós idejű megoldások: Realtime ODS és Database In-Memory tapasztalatok

webalkalmazások fejlesztése elosztott alapon

KÖFOP VEKOP A jó kormányzást megalapozó közszolgálat-fejlesztés

WINPEPSY ALKALMAZÁSA SORBANÁLLÁSI MODELLEKNÉL

Teljesítmény Mérés. Tóth Zsolt. Miskolci Egyetem. Tóth Zsolt (Miskolci Egyetem) Teljesítmény Mérés / 20

Mintavételezés, szűrés, outlierek detektálása

Vizuális adatelemzés

Szimuláció. Fault Tolerant Systems Research Group. Budapest University of Technology and Economics. Department of Measurement and Information Systems

felhasználásra kerül(het)nek online tranzakciók igénybevételekor, vagy

Feladatok (task) kezelése multiprogramozott operációs rendszerekben

DHA VÉDELMI RENDSZER EREDMÉNYEINEK STATISZTIKAI VIZSGÁLATA

IBM felhő menedzsment

Folyamatmodellezés és eszközei. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék

Összefoglalás és gyakorlás

Felhők teljesítményelemzése felhő alapokon

Alkalmazott Informatikai Intézeti Tanszék MŰSZAKI INFORMATIKA Dr.Dudás László 0. A Wolfram Alpha tudásgép.

Paleobiológiai módszerek és modellek 11. hét

JSF alkalmazások teljesítményhangolása JMeter és dynatrace segítségével

10. Exponenciális rendszerek

Vállalati információs rendszerek I, MIN5B6IN, 5 kredit, K. 4. A meghirdetés ideje (mintatanterv szerint vagy keresztfélében):

Elosztott rendszer architektúrák

Multifunkcionális, multimédia elemeket tartalmazó mobil elérésű távoktatási tananyag összeállítása és tesztelése

Felhő alapú hálózatok Konténerek orkesztrálása Simon Csaba. Budapesti Műszaki és Gazdaságtudományi Egyetem

Loss Distribution Approach

A Népszámlálás infokommunikációs háttere (Miért érdekes a Népszámlálás?) Kópházi József Központi Statisztikai Hivatal

WebSphere Business Modeler Simulation A szimulációhoz érdemes átváltani a WBM Advanced nézetébe.

Autóipari beágyazott rendszerek. Komponens és rendszer integráció

Zárthelyi mintapéldák. Majzik István BME Méréstechnika és Információs Rendszerek Tanszék

Egy érdekes statikai - geometriai feladat

INFOKOMMUNIKÁCIÓS RENDSZEREK HATÉKONYSÁG- ELEMZÉSÉRE SZOLGÁLÓ ESZKÖZÖK

COMET webalkalmazás fejlesztés. Tóth Ádám Jasmin Media Group

ARM Cortex magú mikrovezérlők. mbed

Számítógépes Hálózatok 2010

KOPI. Plágiumkeresés különböző nyelvek között MTA SZTAKI DSD. Pataki Máté. Department of Distributed Systems

Operációkutatás. 4. konzultáció: Sorbanállás. Exponenciális elsozlás (ismétlés)

KOPI. KOPI A fordítási plágiumok keresője MTA SZTAKI DSD. Pataki Máté Kovács László. Department of Distributed Systems

Webszolgáltatások teljesítménymodellezése Java EE és.net platformon

Automatikus infrastruktúra menedzsment és alkalmazástelepítés

MUNKAGAZDASÁGTAN. Készítette: Köllő János. Szakmai felelős: Köllő János január

Rendszermodellezés. Benchmarking. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék

2011. November 8. Boscolo New York Palace Budapest. Extrém teljesítmény Oracle Exadata és Oracle Exalogic rendszerekkel

Vizuális adatelemzés - Gyakorlat. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék

A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása

VÁROS- ÉS INGATLANGAZDASÁGTAN

Web-fejlesztés NGM_IN002_1

(Teszt)automatizálás. Bevezető

MTA Cloud Use cases MTA Cloud workshop. Hernáth Szabolcs MTA WIGNER FK

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

Üzletmenet-folytonosság és katasztrófa helyzet kezelés (Honnan indultunk, miért változtunk, hova tartunk?)

Nagyságrendek. Kiegészítő anyag az Algoritmuselmélet tárgyhoz. Friedl Katalin BME SZIT február 1.

ITIL alapú IT környezet kialakítás és IT szolgáltatás menedzsment megvalósítás az FHB-ban

Tudásalapú információ integráció

VÁROS- ÉS INGATLANGAZDASÁGTAN

BIOMATEMATIKA ELŐADÁS

GAZDASÁGI NÖVEKEDÉS I.

Fejlesztés, működtetés, felügyelet Hatékony infrastruktúra IBM szoftverekkel

Bevezetés az operációkutatásba A lineáris programozás alapjai

Szilipet programok telepítése Hálózatos (kliens/szerver) telepítés Windows 7 operációs rendszer alatt

Médiaajánlat

előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás

Dr.Tóth László

Department of Distributed Systems MTA SZTAKI DSD

Proxy Cache szerverek hatékonyságának vizsgálata. Performance Modeling of Proxy Cache Servers

MMK-Informatikai projekt ellenőr képzés 4

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

Számítógépvezérelt irányítás és szabályozás elmélete (Bevezetés a rendszer- és irányításelméletbe, Computer Controlled Systems) 8.

Adatok statisztikai értékelésének főbb lehetőségei

6. Előadás: Sorbanállási modellek, III.

Elemi statisztika fizikusoknak

Termelés- és szolgáltatásmenedzsment

A Közbeszerzések Tanácsa (Szerkesztőbizottsága) tölti ki. Postai irányítószám: 1027

Az MTA Cloud projekt MTA Cloud projektzáró június 28.

7. el adás. Solow-modell III. Kuncz Izabella. Makroökonómia. Makroökonómia Tanszék Budapesti Corvinus Egyetem

Oracle Enterprise Manager: Az első teljesértékű felhő üzemeltetési megoldás

Sztochasztikus folyamatok alapfogalmak

Átírás:

Teljesítménymodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement and Information Systems 1

Egyensúlyi állapot: Emlékeztető o Átlagos értékekkel számolunk o = X (érkezési ráta = átbocsátás) Átbocsátóképesség (X max ): o Az elérhető maximális átbocsátás T átlagos feldolgozási idő mellett o X max = K T Kihasználtság (U): (K darab erőforráspéldány esetén) o Az átbocsátás és az átbocsátóképesség aránya o U = X K T (K erőforráspéldány esetén) 2

A Little-törvény A Zipf-törvény Terhelés változása TARTALOM 3

A Little-törvény A Zipf-törvény Terhelés változása A LITTLE-TÖRVÉNY Avagy az alapképlet 4

: érkezési ráta darab s A Little-törvény X: átbocsátás darab s T: rendszerben töltött idő s N: rendszerben lévő tokenek száma darab N X T 5

A Little-törvény Egyensúlyi állapotban ( = X) igaz: N = X T N X T 6

A Little-törvény szemléltetése T Folyamat 1 Folyamat 2 T = 4 s X = 1 darab s N = 4 darab 1/λ N = X T Folyamat 3 N Folyamat 4 4 = 1 darab s 4 s Folyamat 5 0 s 1 db 2 db 3 db 4 db 4 db 4 db 4 db t 7

A Little-törvény szemléltetése Folyamat 1 T Folyamat 2 T = 4 s X = 1 2 s N = 2 1/ λ N = X T Folyamat 3 N Folyamat 4 2 = 1 2 s 4 s Fo 0 s t 8

Kihasználtság és a Little-törvény K darab erőforráspéldány: maximum K darab kérés végrehajtás alatt A Little-törvény: végrehajtás alatt álló kérések száma (N)? Levezethető az átlagos kihasználtság: U = X K T = X T K = N K Kihasználtság K darab erőforráspéldányra Little-törvény (N = X T) 9

A Little-törvény A Zipf-törvény Terhelés változása LITTLE TÖRVÉNY: GYAKORLATI PÉLDÁK 10

Példa Diszk Erőforrás: diszk 40 kérést szolgál ki másodpercenként (nincs átlapolódás) 1 kérés kiszolgálása átlagosan 0,0225 másodpercig tart Mekkora a kihasználtság? U = X T diszk = 40 kérés s 0,0225 s = 0,9 = 90% 11

Példa Rendszer Sor Diszk Sorban állás is van a diszk előtt Diszk: 40 kérés/s Kérések átlagos száma a rendszerben: 4 Átlagos rendszerben tartózkodási idő? (T rendszer ) Átlagos sorban állási idő? (T várakozás ) 12

Példa Rendszer Sorban állás is van a diszk előtt Diszk: 40 kérés/s Sor Diszk Kérések átlagos száma a rendszerben: 4 Rendszer N = X T T rendszer = 4 kérés / 40 kérés Átlagos sorban állási idő? (T rendszer T diszk ) = (0,1 s 0,0225 s) = 0,0775 s s Sorbanállási és diszk kiszolgálási idő = 0,1 s 13

Példa Rendszer Sor Diszk Sorban állás is van a diszk előtt Diszk: 40 kérés/s. Átlagosan 0,9 darab Kérések átlagos száma a rendszerben: 4 darab Kérések átlagos száma a sorban? (N rendszer N diszk ) 4 darab 0,9 darab = 3,1 darab 14

Szimuláció Little törvény a gyakorlatban o Dobson&Shumsky o https://youtu.be/ujzxqpgbana Miért oktatják(juk) o http://pubsonline.informs.org/doi/pdf/10.1287/ited.7.1.106 Példák o http://web.mit.edu/sgraves/www/papers/little's%20law-published.pdf 15

Teljesítmény 3 rétegű architektúrában 49 kérés/s 69 kérés/s Frontend Alkalmazásszerver A adatbázis 319 kérés/s B adatbázis A mérőszámok itt az egész rendszerre érkező terhelésre utalnak! Például az A. adatbázis akkor válik szűk keresztmetszetté, ha a rendszerbe 319 lekérdezés érkezik másodpercenként. 16 236 kérés/s

Teljesítmény 3 rétegű architektúrában 49 kérés/s Frontend Alacsony áteresztőképesség? Alkalmazásszerver A adatbázis Állapotmentes Könnyen skálázható B adatbázis A mérőszámok itt az egész rendszerre érkező terhelésre utalnak! Például az A. adatbázis akkor válik szűk keresztmetszetté, ha a rendszerbe 319 lekérdezés érkezik másodpercenként. 17

Teljesítmény 3 rétegű architektúrában Alacsony áteresztőképesség? Frontend 69 kérés/s Alkalmazásszerver A adatbázis Skálázhatóság: - Elosztott munkamenet - Adott felhasználó hova kerüljön 18 B adatbázis A mérőszámok itt az egész rendszerre érkező terhelésre utalnak! Például az A. adatbázis akkor válik szűk keresztmetszetté, ha a rendszerbe 319 lekérdezés érkezik másodpercenként.

Teljesítmény 3 rétegű architektúrában Frontend Miért magas az (elvi) áteresztőképeség? Alkalmazásszerver A adatbázis 319 kérés/s Gyorsítótár 19 B adatbázis 236 kérés/s A mérőszámok itt az egész rendszerre érkező terhelésre utalnak! Például az A. adatbázis akkor válik szűk keresztmetszetté, ha a rendszerbe 319 lekérdezés érkezik másodpercenként.

3 rétegű architektúra a valóságban Frontend Frontend A. adatbázis Frontend Alkalmazásszerver Alkalmazásszerver B. adatbázis (Példa: Technológiai háttér érdeklődőknek:) http://www.projectclearwater.org/wp-content/uploads/2013/05/clearwater-deployment-sizing-10-apr-13.xlsx http://www.projectclearwater.org/technical/clearwater-performance/ 20

Mit mérjünk/mi a lényeges? Metrikák kicsiben o Pl. Task manager, Resource monitor, ugyanez szerver oldalon. Metrikák nagyban o Pl. virtualizált rendszer Melyik az érdekes? 21

Példa: mit számol ez a gép enyit.? http://www.brendangregg.com/flamegraphs.html 22

Hol közelítünk? A gyakorlatban az értékek nehezen mérhetőek o (pl. válaszidő ingadozik, felpörgés, ) Az alkalmazások versengenek o (2 λ λ + λ) Erőforrások közt választani kell terheléselosztó is kritikus Pl. ugyanannak a felhasználónak a kérései ugyanoda Konkrét beérkezési sorrendtől/mintától eltekintünk o Pont ez a Little-törvény előnye Egy feladat végrehajtása lehet adatfüggő A rendszer felépítése/paraméterei változhatnak 23 A kezemet figyeljék, mert (kép: wikipedia)

Hol közelítünk? A gyakorlatban az értékek nehezen mérhetőek o (pl. válaszidő ingadozik, felpörgés, ) Az alkalmazások versengenek o (2 λ λ + λ) Erőforrások közt választani kell terheléselosztó is kritikus Pl. ugyanannak a felhasználónak a kérései ugyanoda Konkrét beérkezési sorrendtől/mintától eltekintünk o Pont ez a Little-törvény előnye Egy feladat végrehajtása lehet adatfüggő A rendszer felépítése/paraméterei változhatnak 24 A kezemet figyeljék, mert (kép: wikipedia)

A Little-törvény A Zipf-törvény Terhelés változása TERHELÉSMODELLEK: ZIPF TÖRVÉNY 25

Mi a kérések tartalma? Eddig: minden kérés egyforma o kérem egy könyv adatait Valójában: a kéréseknek tartalmuk van o Kérem az Alapítány és Birodalom adatait o Ld. Pareto elv (80% -- 20%) o A kérések (többsége) az adatok (kis részére) irányul Lényeges, mert o Műszaki hatása van Cache, pool size, statikus tár, o A rendszermodellt is érinti Gyakori kéréseket másképp kezeljük 26

Zipf törvénye Eredetileg: korpuszokban előforduló szavak népszerűségi rangsora és előfordulási gyakorisága jellegzetes eloszlása o Nemcsak nyelvi szövegekre igaz 700 600 Hozzáférések száma (P) 500 400 300 200 P = 580 r -1 George Kingsley Zipf (1902 1950) amerikai nyelvész, filológus 100 0 1 2 3 4 5 6 7 8 9 10 11 12 Dokumentum rangja (r) 27

Zipf Példa (1) 700 600 Hozzáférések száma (P) 500 400 300 200 P = 580 r -1 100 0 1 2 3 4 5 6 7 8 9 10 11 12 Dokumentum rangja (r) 28

Zipf törvénye - Példák Slágerlisták Városok populációja rangsoruk szerint Internetes forgalom karakterisztikája Weboldalak aloldalainak népszerűsége Nyílt forrású rendszerek evolúciója 29

Zipf törvénye - Képlet R i ~ 1 i α f ~ 1 p R i az i. szó előfordulási gyakorisága α a korpuszra jellemző 1 közeli érték Egyszerűsítve (α = 1): o f (frequency) gyakoriság o p (popularity): a szöveg,,rangja (csökkenő sorrendben) 30

P = k r Zipf törvénye pl. Web dokumentumokra P hivatkozások (elérések) r rang (1 = leggyakoribb) k pozitív konstans Bővebben: http://www.hpl.hp.com/research/idl/papers/ranking/adamicglottometrics.pdf 31

Zipf Példa (1) 700 600 Hozzáférések száma (P) 500 400 300 200 P = 580 r -1 100 0 1 2 3 4 5 6 7 8 9 10 11 12 Dokumentum rangja (r) 32

Zipf Példa: Tanszéki honlap (1) Aloldalak látogatottsága kategóriák szerint csoportosítva Megfigyelhető az ún. heavy-tailed eloszlás 33

Zipf Példa: Tanszéki honlap (2) A Rendszermodellezés tárgy oldalainak látogatottsága 34 Nádudvari György munkája

A Little-törvény A Zipf-törvény Terhelés változása TERHELÉS VÁLTOZÁSA 35

Eddig: Milyen jellegű a terhelés? o Átlagos értékekkel számoltunk o A rendszer viselkedését a terhelés (intenzitás) függvényében néztük o De: valójában nem (feltétlenül) előre kiszámíthatóan változik a terhelés Valójában o A rendszer viselkedése időben változik o Ennek műszaki hatásai vannak Váltás feladatok közt, erőforrásfoglalás, stb. (pl. Operációs rendszerek) 36

Rendszermodellezés (7. félév) a felhőben 37

Rendszermodellezés (7. félév) a felhőben 1. fázis: specifikáció 2. fázis: teljes feladat Pótleadás It már a javítás is felhőben történt 38

Valós (történelmi) terhelés példa (iwiw) Szakaszokra becslőfüggvény illeszthető Lineáris, exponenciális, logaritmikus Regresszió, Bővebben pl. Valószínűségszámítás Forrás: http://www.sg.hu/cikkek/42924/ 39