Performance Forecasting @ Rostocker Dokumentenserver

Titel:

21. Workshop Grundlagen von Datenbanken
Performance Forecasting

Autor:

Tropmann, Marina

Thalheim, Bernhard

Korff, Ralf

Einrichtung:

Fakultät für Informatik und Elektrotechnik

Beschreibung:

Schon seit mehreren Jahrzehnten wird bei meisten Unternehmen Performance Tuning von Rechnersystemen betrieben. Dieses Thema wurde wie von der Seite der Unternehmen als auch von der Wissenschaft mittlerweile in zahlreichen unterschiedlichen Aspekten erforscht und ausgearbeitet. Es existieren inzwischen viele wissenschaftliche Artikel und Bücher zu dem Thema, wie z.B. von Dennis Shasha und Philippe Bonnet "Database Tuning: Principles,Experiments, and Troubleshooting Techniques" oder von Sitansu S. Mittra "Database Performance Tuning and Optimization", nur um einige zu nennen. Das Thema Performance Forecasting hat dagegen erst in letzten Jahren an Bedeutung gewonnen, zusammen mit dem Rechnerkonsolidierungsansatz. Es ist in diesem Zusammenhang ungeheuer wichtig geworden, die Performanceprobleme nicht erst nach ihrem Auftreten zu beseitigen, sondern vorher zu "wissen", welche Probleme, wann, wo, in welchem Ausmaß und mit welchen Folgen und Auswirkungen auftreten können, um die Ursachen noch vor einer Systemstörung zu eliminieren. Die meisten existierenden Arbeiten in diesem Bereich betrachten vor allem die physische Ebene und weniger die logische. Für die meisten Probleme liegen aber die Ursachen eher in der konzeptioneller bzw. logischer Ebene und eine Lösung auf dem physischen Niveau beseitigt oft das Problem nicht, sondern führt eher zu einem kurzfristigen Erfolg. Unser Projekt "Intelligent Performance Analyser" beschäftigt sich in erster Linie mit Performance Forecasting und proaktivem Tuning. Das Ziel des Projektes ist, eine möglichst vollständig automatische, lernfähige und benutzerfreundliche Anwendung zu entwickeln, die in einem breiten Spektrum von Unternehmen eingesetzt werden kann. Wir beschäftigen uns mit der physischen, wie auch mit der konzeptionellen Ebene und treffen Forecasting-Aussagen in Bezug auf explizite Vorhersage-Modelle.

Klassifikation:

005 Programmierung, Programme, Daten

Jahr der Veröffentlichung:

2009

Typ:

Aufsatz/Artikel

Format:

Text

Dokumente: