基于kalman滤波方法的ORACLE数据库性能模型.doc

PAGE  PAGE 5 1 刘竹林（1962-），男，河北石家庄人，硕士，副教授。主要研究方向：软件工程，数据库优化 基于Kalman原理的数据库性能预测模型的研究 刘竹林 2(石家庄信息工程职业学院 河北石家庄市 050035) 摘要： 在数据库系统运行中，由于受系统环境的制约，其性能会慢慢会下降， 对于数据库管理员经常为了提高数据库性能而绞尽脑汁，最后达不到应有效果。本文提出应用Kalman原理提前对性能进行预测来减小数据库管理员的盲目性。首先把数据库查询划分为三个“静态SQL模型”，介绍了kalman （卡尔曼）滤波原理和优化器分析中利用kalman 原理预测数据库性能的方法。 关键词：kalman算法 ；协方差；关系数据库； 数据库性能预测； 中图法分类号：TP302.7 文献标识码：A 1.引言 卡尔曼滤波是一个不断地预测、修正的递推过程，由于其在求解时不需要存储大量的观测数据，并且当得到新的观测数据时，可随时算得新的参数滤波值，便于实时地处理观测结果，因此卡尔曼滤波被越来越多地应用于动态定位数据处理中 。 在卡尔曼滤波模型中，要求观测方程是线性形式、动态噪声和测量噪声是白噪声，而实际的观测量与状态参数间是非线性函数。非线性二次以上高次项舍去，以及周跳等观测粗差等原因，使观测方程产生模型误差。卡尔曼滤波线性模型的最优估计是建立在给定函数模型和随机模型基础上的，如果实际的函数模型和随机模型存在误差，不仅得不到最优估计，而且可能造成滤波发散。 1960年,R.E.Kalman提出了卡尔曼滤波,它是一种时域滤波方法,采用状态空间方法描述系统,算法采用递推形式,数据存储量小,不仅可以处理平稳随机过程,也可以处理多维和非平稳随机过程。随着电子计算机的迅速发展和广泛应用,卡尔曼滤波以其设计简单易行、存储空间小、动态实时处理等优点在工程实践中受到了高度重视,成为推广研究和应用的主题。目前,卡尔曼滤波理论作为一种最重要的最优估计理论,已经被广泛应用于通信工程、系统工程、工业过程控制、遥感等各个领域,成为当前国际上研究的一大热点。 本文基于Kalman理论，作者在数据库性能优化方面进??了研究， 希望在数据库性能下降前利用Kalman理论能够有所预测和对策，以达到性能优化的作用。 在关系数据库进行SQL查询时，客户端首先把SQL语句发给服务器端， 然后服务器端进行SQL语句解析： 查询高速缓存是否存在相同语句的执行计划、 语句合法性检查、语言含义检查、获得对象解析锁、数据访问权限的核对、确定最佳执行计划。最后执行SQL语句，提取数据库数据发送到客户端。 但是，随着计算机应用和人们对系统需求的复杂性，数据库的查询性能优化面临着如下几个方面的挑战：（1）计算机资源、计算机工作负载（包括数据源和SQL的执行）；（2）优化器（统计数据分析，SQL 配置文件分析，访问路径分析 ，SQL 结构分析，SQL处理引擎，生成优化方案）的性能。（3）SQL 语句复杂性不断增加，导致执行计划衰退。 据此，我们给出如下的查询优化过程：（1）首先确定基线。这个基线就是保持数据库正常运转的基本指标。例如：sql缓存区缓存命中率、数据字典缓存命中率、内存排序命中率。 （2）提出假设，模拟故障，找出解决方案。（3）采集操作系统和数据库的统计数据，与关系数据库基线进行比较。（4）建立数据库查询性能模型。（5）实现和测量这个模型，检查瓶颈的解决。对于第（4）点，由于数据库的性能数据是线性非连续的数据，所以可以利用kalman滤波原理建立数据库查询优化性能模型， 正确预测关系数据库系统在高负载情况下的性能。 2. 模拟数据库性能模型的数学方法 为了把系统控制论应用到数据库性能优化中，可以考虑如下的两种数学方法作为数据统计分析工具。 （1）高斯分布公式 高斯分布是描述影响数据库性能的有效的统计方法。公式如下： a、b 与 c 为实常数 ，且a 0。 由于数据库的查询优化性能数值的概率分布有时候不一定呈高斯分布，但是为了使用高斯白噪声（在这里白噪声可以认为是被研究的计算机系统资源本身不足造成的性能值）来模拟（可以大大简化性能模型），我们可以使用中心极限定理把数据库的性能数值的概率分布描述成一个高斯分布，然后使用MATLAB 软件包或者SCILAB软件包等实现。 （2）kalman原理的基本思想 kalman原理的基本思想是：采用信号与噪声的状态空间模型，利用前一时刻的预测值（即根据以往数据给出的预测值）和现在时刻的测量值，结合各自的高斯白噪声来预测现在时刻的实际值。 Kalman滤波原理的五个公式是这样的： X(k|k-1) = A X(k-1|k-1)+B U(k) P(k|k-1) = A P(k-