ДОСЛІДЖЕННЯ ПРОДУКТИВНОСТІ МОДЕЛІ DTU ДЛЯ РЕЛЯЦІЙНИХ БАЗ ДАНИХ НА ПЛАТФОРМІ AZURE
DOI:
https://doi.org/10.30837/ITSSI.2022.19.027Ключові слова:
хмарна платформа;, реляційна база даних;, модель придбання DTU;, показники часу та завантаженості;, генератор даних;, тестові дані;, складність запитуАнотація
При рішенні завдань роботи з реляційними БД на хмарних платформах виникає проблема вибору певної моделі для забезпечення продуктивності виконання запитів різної складності. Об’єктом дослідження є процеси реалізації різних типів запитів до реляційних БД в рамках моделі придбання DTU платформи MS Azure. Предметом є методи оцінювання продуктивності роботи з реляційними БД на основі часових показників виконання запитів та показників завантаженості ресурсів хмарної платформи. Мета дослідження полягає в розробленні системи показників для моніторингу поточного стану роботи з БД для обґрунтованого прийняття рішень щодо вибору певної цінової категорії моделі DTU хмарного сервісу MS Azure, що дозволить оптимізувати результати роботи з БД платформи Досягнення поставленої мети передбачає виконання таких завдань: проаналізувати сучасні засоби та сервіси роботи з БД, зокрема реляційними БД, на хмарних платформах Azure та AWS, особливості їх застосування та реалізації; розробити програмне забезпечення для генерація тестових реляційних БД різних об’ємів; провести тестування згенерованих БД на локальному ресурсі; з врахуванням характеристик рівнів моделі DTU Azure розробити нову систему показників продуктивності , яка включає 2 групи - часові показники та показники завантаженості існуючих ресурсів платформи; розробити та реалізувати запити різної складності для згенерованої тестової БД для різних рівнів моделі DTU та провести аналіз отриманих результатів. Методи. В дослідженні використано такі методи: методи проектування реляційних баз даних; методи створення запитів у SQL-орієнтованих базах даних з довільною кількістю таблиць; методи створення та міграції даних у хмарні платформи; методи моніторингу результатів виконання запитів
на основі часових та ресурсних показників; методи генерації тестових даних для реляційних БД; системний
підхід для комплексного оцінювання та аналізу продуктивності роботи з реляційними БД. Результати. На основі розробленої системи показників, що використовується для поточного аналізу процесів роботи з реляційними БД платформи MS Azure, проведено чисельні експерименти для різних рівнів моделі для простих та складних
запитів до БД загальним об’ємом 20 ГБ: навантаження рівнів моделі DTU при виконанні різних запитів, вплив рівнів моделі DTU Azure SQL database на показники виконання простих та складних запитів, залежність часу виконання різних запитів від завантаженості CPU (ЦП) та швидкості операцій запису/читання для різних
рівнів моделі. Висновки. Отримані результати експериментів дозволяють зробити висновок щодо використання рівнів моделі DTU - S3 та S7 - для генерації тестових даних різного об’єму (до 20 ГБ) та виконання запитів до БД. Практичне використання запропонованих показників для оцінювання результатів застосування моделі DTU дозволить підвищити ефективність прийняття рішень щодо вибору рівня моделі при реалізації різних запитів та генерації тестових даних БД на хмарній платформі Azure. Розроблений набір показників роботи з реляційними БД
на хмарній платформі Azure розширює базис методологічних засад оцінювання продуктивності роботи з реляційними БД на хмарних платформах шляхом аналізу результатів виконання простих та складних запитів до БД на задіяних ресурсах.
Посилання
TOP 10 cloud trends in 2018, available at: https://ecm-journal.ru/post/TOP-10-oblachnykh-tendencii-v-2018-godu.aspx.
What is cloud computing?, available at: https://aws.amazon.com/ru/what-is-cloud-computing/.
Gartner., available at: https://www.gartner.com/en.
Marinescu, D., C. (2018), "Cloud Service Providers and the Cloud Ecosystem", Cloud Computing, No. 2, P. 13 – 49. DOI: https://doi.org/10.1016/B978-0-12-812810-7.00002-9
Database prices SQL Azure, available at: https://azure.microsoft.com/ru-ru/pricing/details/sql-database/single/.
Database SQL Azure, available at: https://azure.microsoft.com/ru-ru/services/sql-database/.
"How to migrate to Amazon RDS for SQL Server using transactional replication", available at: https://aws.amazon.com/ru/blogs/database/how-to-migrate-to-amazon-rds-for-sql-server-using-transactional-replication/.
Amazon RDS pricing for SQL Server, available at: https://aws.amazon.com/ru/rds/sqlserver/pricing/.
Delaney, K. (2018), Microsoft Azure Options for SQL Server Relational Databases, Microsoft Corporation, 22 p.
Marozzo, F. (2019), "Infrastructures for High-Performance Computing: Cloud Infrastructures", Reference Module in Life Sciences, No. 1, P. 240 – 246. DOI: https://doi.org/10.1016/B978-0-12-809633-8.20374-9
Boukhelef, D., Boukhobza, J., Boukhalfa, K., Ouarnoughi, H., Lemarchand, L (2019),"Optimizing the cost of DBaaS object placement in hybrid storage systems", Future Generation Computer Systems, Vol. 93, P. 176 – 187.
DOI: https://doi.org/10.1016/j.future.2018.10.030
Saif, S., Wazir, І. (2018), "Performance Analysis of Big Data and Cloud Computing Techniques: A Survey", Procedia Computer Science, No. 132, P. 118 – 127. DOI: https://doi.org/10.1016/j.procs.2018.05.172
Importing and Exporting SQL Server Databases, available at:https://docs.aws.amazon.com/en_us/AmazonRDS/latest/UserGuide/ SQLServer.Procedural.Importing.html.
Resource limits for single databases using the DTU-based purchasing model, available at: https://docs.microsoft.com/en-us/azure/sql-database/sql-database-dtu-resource-limits-single-databases.
Azure SQL Database DTU Calculator, available at: http://dtucalculator.azurewebsites.net/.
Passos da Costa, P. J., Rosado da Cruz, A. M. (2012), "Migration to Windows Azure – Analysis and Comparison", Procedia Technology, Vol. 5, P. 93–102. DOI: https://doi.org/10.1016/j.protcy.2012.09.011
Han, J., Kamber, M., Pei, J. (2012), "Data Warehousing and Online Analytical Processing".
DOI: https://doi.org/10.1016/B978-0-12-381479-1.00004-6
Dabbechi, H,. Nabli, A., and Bouzguenda, L. (2016), "Towards Cloud-Based Data Warehouse as a Service for Big Data Analytics", Lecture Notes in Computer Science, 9876, P.180–189. DOI: https://doi.org/10.1007/978-3-319-45246-317
Zolotariov, D. (2020), "The system of automated billing on the basis of bad infrastructure has been developed" [ "Rozpodіlena sistema avtomatizovanih obchislen' na bazі hmarnoї іnfrastrukturi"], Innovative technologies and scientific solutions for industry, No. 4 (14), P.47-56. DOI: https://doi.org/10.30837/ITSSI.2020.14.047
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2022 Serhii Minukhin
![Creative Commons License](http://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png)
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо не комерційного та не ексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису опублікованої роботи, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.