基于排队网络的网络服务器性能分析与优化

针对网络服务器在用户数量和状态相对复杂情况下无法对服务器性能进行有效分析的问题,提出了一种基于排队网络的服务器性能分析方法。该方法可以有效降低时间复杂度和空间复杂度,使服务器性能分析更加精确,效率更高。实验结果表明,利用该方法对服务器性能进行建模和分析,并根据分析结果对服务器程序进行优化,可以达到合理利用系统资源、提高服务器性能的要求。     

半Markov过程基于性能势的灵敏度分析和性能优化

基于性能势的方法 ,研究了一类半Markov过程 (SMP)的性能灵敏度分析和平均费用下的性能优化问题 .将SMP转化为与之等价的离散时间Markov链 (DTMC) ,利用DTMC的性能势 ,对SMP进行灵敏度分析和性能优化 ,得到了SMP基于DTMC性能势的灵敏度分析公式和最优性方程 .最后给出了一个数值例子以表明该方法的应用 .     

基于过程挖掘的工作流性能分析

介绍了工作流性能的分析基础和概念。针对复杂和具有非确定性的业务流程,通过基于 工作流日志的工作流过程挖掘算法,得到反映系统基本性能的工作流性能分析网。并应用到具有动 态、模糊控制流程的工作流系统的性能分析中。     

嵌入式软件性能分析方法研究与工具设计

通过对当前业界常见软件性能分析方法和常用性能分析工具技术特点的分析,根据嵌入式系统交叉开发方法的特点,以GNU性能分析工具gprof为切入点,针对其在性能数据采集和处理方面的不足,设计并实现一个面向嵌入式领域交叉开发环境的嵌入式性能分析工具Cross-Profiler。该工具能够针对以GCC作为交叉编译器,运行在嵌入式交叉环境下的应用软件进行性能分析,统计软件中各函数的执行时间、被调用次数、调用关系链以及执行过程中的函数堆栈开销等性能信息,从而有效帮助定位嵌入式软件的执行热点与性能瓶颈,为改善软件性能提供依据。同时,对Cross-Profiler的处理结果进行了可视化的输出设计,增强了易用性、可移植性和扩展性。     

DoubleP:一个有效的节点关键性能因素发现与聚类方法

随着处理器设计复杂性的提高,影响处理器节点性能的因素也越来越多.受资源(时间和空间)的限制,很难采集并分析所有影响性能因素的应用特征参数和机器性能轮廓参数.如何在众多的性能参数中提取影响性能的关键因素,成为并行系统节点性能评价中首先要解决的问题.提出了一个有效的DoubleP性能因素发现与聚类方法,该方法将众多复杂的性能因素聚焦到几个性能主成份上,明确了分析对象.通过DoubleP方法的分析,发现了14个影响处理器节点性能的关键因素和4个性能主成份.     

基于数据挖掘的网络性能分析系统的设计和实现

针对目前网络性能分析工具的不足,提出了一种基于数据挖掘的网络性能分析模型,设计并实现了一个基于该模型的性能分析系统。该文详细讨论了系统的体系结构及其关键技术。关键技术包括基于分类挖掘思想的智能决策机的挖掘算法和能够有效地进行网络性能分析的性能分析器的工作机制。实际应用表明,该系统能够有效地对当前网络的性能作出精确的诊断和预测。     

GreeNet互联网访问控制系统性能测试及评价

介绍了一种对互联网访问控制系统的性能进行监测和分析的方法,该方法通过查看负载均衡模块上的数据包统计数据,检查GreeNet互联网访问控制系统的过滤性能,以便管理员对系统进行实时监测和事后性能分析,帮助找出性能瓶颈并加以改进,提高系统的性能。     

云计算基础设施中的性能瓶颈的识别和优化

本文主要介绍了基于云计算平台的性能采样,分析,集成工具和方法．主要针对云计算平台的分布式以及高性能计算特性,提供了一些性能分析定位的工具,可以帮助云计算平台开发者和维护人员快速定位性能瓶颈．通过对瓶颈的分析,本文还给出一些关于消除瓶颈和优化云计算平台性能的建议．     

基准集在嵌入式系统性能分析中的应用

为准确评估嵌入式系统性能,量化分析嵌入式系统中关键部件对嵌入式系统整体性能的影响,充分发挥嵌入式处理器的性能,提出基于CoreMark基准集的嵌入式系统性能分析方法。基于开源的Leon2处理器,搭建一套用于工业控制的嵌入式系统;分析CoreMark基准集的特点和结构,将CoreMark基准集移植到嵌入式系统中;分析嵌入式系统可配置的关键部件,运用对比策略进行性能测试,得到嵌入式系统中关键部件的性能加速比,对嵌入式系统进行宏观和微观的性能分析。     

并发线程动态性能分析

有效地分析软件应用系统的执行性能对于系统的运行稳定和性能改善有着很重要的作用,特别是一些高性能计算,如大气预测、天体运动、海量数据处理、科学数值计算等。这些应用都不可避免地涉及并发线程,在并发处理过程中,两个并发的线程(线程)之间的同步在常规的性能分析中常常被忽略,从而造成最终结果的很大偏差,同时无法分析系统的动态性能特性。本文引入一种并发线程的动态性能分析方法PERC—PAPI,以此来采集和分析具有同步并发线程特征系统的性能数据,从而获得更为精确的动态性能分析结果。     

基于InfiniBand的高性能计算机技术研究

网络性能一直是制约高性能计算技术发展的瓶颈,无论是面向计算的网络还是面向存储的网络,通信速度的发展远落后于CPU的发展．InfiniBand互连结构能够缩短网络和CPU之间的性能差距,使高性能计算机的性能趋于平衡．2000年在InfiniBand协议发展初期,国家并行计算机工程技术研究中心就在国家“八六三”计划的支持下开始对InfiniBand协议展开了深入研究,旨在改进高性能计算特别是集群系统的互连性能,研制出符合InfiniBand标准规范的高性能互连部件,并最终开发出了具有自主知识产权的InfiniBand互连网络产品．论述了以自行研制的InfiniBand部件技术为基础的高性能集群计算机系统的组成、结构和应用,并对系统性能进行了实验分析．     

基于hibernate缓存机制的查询性能优化研究

良好的缓存管理机制以及合理的缓存应用模式往往是系统性能提升的关键。而查询性能是一个系统性能表现的重要方面。文章在深入研究Hibernate的缓存机制以及二级缓存的应用策略的同时,提出了两种基于该缓存机制的系统查询性能优化方法。应用结果表明,通过这两种方法系统性能得到了相应的提高。     

基于hibernate缓存机制的查询性能优化研究

良好的缓存管理机制以及合理的缓存应用模式往往是系统性能提升的关键.而查询性能是一个系统性能表现的重要方面.文章在深入研究Hibernate的缓存机制以及二级缓存的应用策略的同时,提出了两种基于该缓存机制的系统查询性能优化方法.应用结果表明,通过这两种方法系统性能得到了相应的提高.     

面向性能的软件再工程研究

将提高遗产系统性能作为软件再工程的一大目标加以考虑,提出了一种基于反模式的再工程方法。这种方法通过对一些反模式的特征进行识别,在遗产系统中发现对于系统性能有不良影响的设计并通过一定的方法加以消除,从而达到改善遗产系统性能的目的。     

基于Web的通用效能评估仿真架构实现研究

为实现复杂系统效能评估、多方案对比,构建了基于Web的通用效能评估仿真架构。对评估模式进行了创新,基于评估流程化管理方式,实现任务驱动执行、任务导航和数据的自动流转。针对指标体系建模的复杂性,利用树状、网状或环状等视图对指标模型进行可视化展示,并实现多专业协同指标分解和指标完整性专业审核,确保了指标分解的客观性。基于数据采集挖掘、统计分析等多种先进的智能技术,将仿真系统产生的海量数据引入效能评估仿真分析环节,使得效能评估过程可有效利用仿真真实数据,提高效能评估结果的可信性。构建基于脚本引擎调用实现效能评估算法集成与扩展,提升了效能评估仿真框架的通用性和扩展性。最后,通过多样本、多方案评估结果对比分析工具的实现,提升了效能评估工具实用性。     

基于综合赋权法的高校资产管理评价研究

为了解决高校资产管理绩效难以准确地评估的问题,对评价体系指标赋权的方法进行了回顾,提出高校资产管理的绩效评价问题要考虑的主客观因素;利用主客观权重组合方法,将主客观权值组合成为指标的组合权,评判专家再对评价指标评分,通过对指标的权值和评分向量的计算得出高校资产管理的绩效值。实验验证表明：设计的高校资产管理绩效计算方法有效地解决了高校资产管理绩效的评价问题,从而为高校资产管理绩效的评价提供了新的思路和方法。     

基于FAHP的网络性能综合评价的研究*

针对工业现场对有线/无线异构网络的性能要求,提出了一种基于模糊层次分析法( FAHP)的网络性能综合评价方法,着重分析了网络的综合性能指标参数的获取和利用FAHP算法确定各指标权重的过程。通过对不同业务和参数的多媒体仿真网络的性能评价验证算法的准确性,最后针对一个具体的有线/无线异构仿真网络进行评价,比较了不同用户要求下得到的网络性能综合评价值。实验结果表明,采用基于FAHP的网络性能评价算法对于工业异构网络的性能评价是准确有效的。     

多核环境下边缘提取并行算法研究

随着处理器由高主频的单核处理器逐步转向片上多核处理器(CMP),计算机并行处理能力不断提升。通过分析GIS串行算法面临的性能瓶颈,利用CMP的优势,采用线程级并行处理栅格数据。针对边缘提取算法,深入分析和比较了MPI、OpenMP等当前主流的并行编程模式,提出了并行性能估计模型。基于OpenMP编程模型分析线程数、调度方式和分块大小对算法并行性能的影响,实现边缘提取最优并行。实验证明,性能评估模型能够准确预测CMP环境下的并行性能,基于OpenMP实现的边缘提取并行算法能够提高图像边缘提取效率。     

Juggling on a high wire: Multitasking effects on performance

In this study, we develop a theoretical model that predicts an inverted-U relationship between multitasking and performance. The model is tested with a controlled experiment using a custom-developed application. Participants were randomly assigned to either a control condition, where they had to perform tasks in sequence, or an experimental condition, where they could discretionarily switch tasks by clicking on tabs. Our results show an inverted-U pattern for performance efficiency (productivity) and a decreasing line for performance effectiveness (accuracy). The results of this study indicate that the nature of the relation between multitasking and performance depends upon the metric used. If performance is measured with productivity, different multitasking levels are associated with an inverted-U curve where medium multitaskers perform significantly better than both high and low multitaskers. However, if performance is measured with accuracy of results, the relation is a downward slopping line, in which increased levels of multitasking lead to a significant loss in accuracy. Metaphorically speaking, juggling multiple tasks is much more difficult while balancing on a high wire, where performance mishaps can have serious consequences.     

基于非线性回归方程偏导数分析应用程序性能敏感度的方法

性能敏感度反映了应用程序性能相对于性能影响因素的变化率,对性能敏感度的量化分析可为体系结构设计和程序性能优化提供有意义的参考和指导.提出了一种分析程序性能敏感度的非线性回归模型(PS-NLRM),能够量化不同应用程序的性能敏感度.通过主成分分析消除了影响性能的性能事件之间的相关性,通过曲线拟合引入非线性项,建立了程序性能CPI和性能事件之间的非线性回归方程.模型应用在SPEC CPU2006整型程序之上,通过了t检验和F检验,达到90%以上的拟合度.基于非线性回归方程相对于性能事件的偏导数,得到不同应用程序的性能对性能事件的敏感度.利用性能敏感度对SPEC CPU2006整型程序性能进行预测的平均相对误差约为4.5%,比传统线性回归模型预测误差下降50%.