OptCon：一种面向基于仲裁存储的适应性SLA感知一致性调优框架
分布式、并行与集群计算
2016-11-17 v1
摘要
使用基于仲裁复制的分布式数据存储的用户负担在于为每个存储操作选择合适以客户端为中心的一致性设置。上述匹配选择难以推理，因为它需要考量延迟与陈旧度（即结果有多旧）之间的权衡。给定操作的延迟和陈旧度取决于所应用的以客户端为中心的一致性设置，以及动态参数如当前工作负载和网络状况。我们提出OptCon，一种新颖的基于机器学习的预测框架，可在服务等级协议（SLA）给出的用户指定延迟和陈旧度阈值下自动化以客户端为中心的一致性设置选择。在给定SLA下，OptCon预测一个匹配的以客户端为中心的一致性设置，即它弱到足以满足延迟阈值，同时强到足以满足陈旧度阈值。虽然手动调优的一致性设置保持固定除非显式重新配置，OptCon根据变化的工作负载和网络状态在每个操作基础上调优一致性设置。使用决策树学习，OptCon在预测SLA中给出的延迟和陈旧度阈值下的匹配一致性设置时产生0.14交叉验证误差。我们通过实验证明OptCon在适应不同用例的SLA阈值方面至少与任何手动选择的一致性设置一样有效。我们还证明OptCon适应工作负载变化，而给定的手动选择固定一致性设置仅对特征工作负载满足SLA。
引用
@article{arxiv.1603.07938,
title = {OptCon: An Adaptable SLA-Aware Consistency Tuning Framework for Quorum-based Stores},
author = {Subhajit Sidhanta and Wojciech Golab and Supratik Mukhopadhyay and Saikat Basu},
journal= {arXiv preprint arXiv:1603.07938},
year = {2016}
}
备注
10 pages, IEEE CCGrid 2016