Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Caratterizzazione e previsione del workload di un application server per l'e-commerce

Nel contesto della gestione delle performance delle risorse di calcolo è interessante caratterizzare la dipendenza tra l’andamento del carico, cui il sistema è sottoposto, e le prestazioni del sistema stesso, ad esempio, in termini di tempo di risposta alle richieste, oppure di occupazione di memoria, di utilizzo di CPU e simili.
Il presente lavoro propone di occuparsi dello studio del workload di un’application server e delle possibili correlazioni esistenti tra 1) le variabili che descrivono lo stato del sistema e 2) le variabili che descrivono il carico: infatti, sfruttando le correlazioni tra variabili, si può produrre una descrizione più compatta del comportamento del sistema, che consente la formulazione di un modello di previsione accurato.
Dopo aver descritto e analizzato i dati in esame, è stato selezionato un modello di previsione all’interno della classe di modelli ARIMA (Auto Regressive Integrated Moving Average models), che poi è stato utilizzato per effettuare una previsione dell’andamento della serie temporale.
Infine, la previsione è stata valutata mediante confronto con i dati reali: ne è risultato che l’accuratezza della stima prodotta si attesta su buoni livelli.

Mostra/Nascondi contenuto.
Capitolo 1 Introduzione 1.1 Contesto opportunità e applicazioni Nel contesto della gestione delle performance delle risorse di calcolo è interessante caratterizzare la dipendenza tra l’andamento del carico, cui il sistema è sottoposto, e le prestazioni del sistema stesso, ad esempio, in ter- mini di tempo di risposta alle richieste, oppure di occupazione di memoria, di utilizzo di CPU e simili. Il presente lavoro propone di occuparsi dello studio del workload di un’application server e delle possibili correlazioni esistenti tra 1) le variabili che descrivono lo stato del sistema e 2) le variabili che descrivono il carico: infatti, sfruttando le correlazioni tra variabili, si può produrre una descrizio- ne più compatta del comportamento del sistema, che consente la formula- zione di un modello di previsione accurato. Dopo aver descritto e analizzato i dati in esame, è stato selezionato un modello di previsione all’interno della classe di modelli ARIMA (Auto Regressive Integrated Moving Average models), che poi è stato utilizzato per effettuare una previsione dell’andamento della serie temporale. Infine, la previsione è stata valutata mediante confronto con i dati re- ali: ne è risultato che l’accuratezza della stima prodotta si attesta su buoni livelli. 7

Tesi di Laurea

Facoltà: Scienze Matematiche, Fisiche e Naturali

Autore: Riccardo Mozzi Contatta »

Composta da 112 pagine.

 

Questa tesi ha raggiunto 871 click dal 23/04/2007.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.