suse linux 扫描IO,suse系统与susert系统IO性能评测研究

1国内外研究现状I/O性能与参数设置密切相关,如块大小,复制因子等。参数调优是指对负载采取合理的参数设置,通过一系列迭代优化来实现性能的优化。迭代过程是冗长的,所以现有的研究中学者提出了不同的参数调优方法[1]。柳香等人[2]提出了一种基于遗传算法的参数优化方法。该方法将影响性能的主要配置属性作为基因并编码,通过实验结果的反馈不断选择、交叉、变异,多次迭代后产生近似的最优配置方案。为防止算法较早陷入局部最优,选择过程中采用随机选择和赌轮选择交替进行的方式,最后通过遗传算法得出任务的最佳配置。此方法不受负载特征和集群配置的限制,具有普遍适用性和稳定性。然而,这种方法需要考虑所有参数组合的适应度,计算复杂度高,需要大量的实验验证其有效性。王皎和刘闫锋[3]提出了一种基于策略选择的抽样算法,即通过在加入策略感知层,在进行参数优化实验时,通过随机抽样算法抽取任务的输入,传给决策感知层计算,决策感知层会根据部分实验结果自动优化设置这些复杂的参数。KambatlaK等人[4]提出了性能参数自动优化的模型,这个模型通过取任务输入的一部分数据试运行,分析这部分数据的资源消耗特征,根据资源消耗特征从存档数据库中得到相应的最优配置,若对应的记录不存在,则通过实验来验证某些参数的最优值。这种方法需要事先通过大量实验来获得多种类型的任务的运行特征,对于新类型的任务优化需先进行大量的实验进行探索。SabooriA和JiangG等人[5]提出一种CMA(covariancematrixadaptation)算法进行参数自动配置。这种算法将参数优化问题转换成对一个黑盒进行优化,即考虑参数变化时的某个性能参数(如CPU使用)之间的数学关系,建立相应的数学模型。这种方法对于某个参数的最优值同样需要大量的实验,同时未考虑参数之间的关系,因此具有一定的局限性。2研究方法及技术路线优化的系统配置可以保证应用能够在系统上以最优的状态运行,但硬件问题、软件问题、网络环境等具有复杂性和多变性,从而导致对系统的优化异常复杂[7]。首先从suse系统与susert系统入手,重点分析由于系统软、硬件配置不当而造成的性能问题,并给出相应的检测系统故障和优化性能的一般方法和流程。这是实现操作系统的各个子系统之间的平衡性,这些子系统包括:CPU、内存磁盘、I/O带宽、网络I/O带宽子系统之间相互依存,任何一个子系统的负载过度都能导致其他子系统出现问题,例如:大量的page-inIO请求可能导致内存队列被塞满;网卡的巨量吞吐可能导致CPU资源耗尽;系统尝试保持释放内存队列时可能耗尽CPU资源;来自内存的大量磁盘写入请求可能导致CPU资源和IO通道耗尽。3数据分析及结论通过sysbench等系统评测工具对suse、susert系统下不同线程和不同进程的情况下进行大量的数据测试,得到如下图数据:图1图2结论:由多线程和多进程的io性能变化趋势可以看出,当占用较低的负载时,suse系统的io性能和susert系统的io性能相比,susert略差,当负载较高以后,suse系统io性能好于

suseRT系统的io性能。图3结论:每组柱状图依次是占用1,2,4,8,16,32线程下io性能的表示,每组最后两个数据为该系统下的平均水平,由图可以看出线程少时,suse性能的略比susert差,随着thread增加,两系统io性能接近,高负载时,suse又差于rt性能。suse系统与susert系统IO性能评测研究@赖策$西华师范大学计算机学院!四川南充637009

@刘茜$西华师范大学计算机学院!四川南充637009目前