最新计算机性能分析与评价

目录

1 概述 (3)

1.1引言 (3)

1.2 研究现状及方向 (3)

2基于排队论对计算机性能分析与评价综述 (4)

2.1理论基础 (4)

2.1.1概率论基础 (4)

2.1.2随机过程 (6)

2.1.3排队论模型 (7)

2.2排队论在计算机性能分析与评价中的应用介绍 (10)

3结论 (14)

参考文献 (15)

1 概述

1.1引言

伴随着社会信息化的快速发展，对计算机的性能要求是永无止境的，从而就需要对计算机的性能进行分析和评测，能够对计算机的性能进行定量化和精确化的分析和评测。传统的基于理论峰值的评测计算机性能的方法，如MIPS、CPI、FLOPS等，不能完全反映计算机的性能状况。伴随着计算机相关领域的知识理论的成熟，渐渐的产生了计算机性能分析与评测。

计算机性能分析与评测是指通过基准的评测程序获得特定计算机系统运行预定义任务或任务集时的性能特征。进行计算机性能分析与预测主要有以下三个目的：

1.选择：在众多的系统中选择一个最适合的系统，达到较好的性能/价格比。

2.改进：对已有系统的性能缺陷和瓶颈进行改进和提高，优化计算机的性能。

3.设计：对未来设计的系统进行性能预测，在性能成本方面实现最佳设计或配置。

本文主要是介绍计算机性能分析与评价的理论知识和方法，以及排队论在计算机评价中的简单应用。

1.2 研究现状及方向

在国外，计算机评测相对国内来说起步较早，计算机性能分析与评测是计算机硕士生的必修课程，所有做计算机体系结构和系统研究的学术机构和组织都有自己的性能评测研究，同时所有研究计算机系统硬件和系统软件的厂商都有自己的评测研究，形成了许多对计算机性能评测的基准方法。

在国内，也出现了对计算机性能进行分析和评测的结构和组织，例如：国家智能计算机研究开发中心，侧重于高性能计算机系统、计算机体系结构、性能评测，面向计算机系统、兼顾各个子程序，侧重性能评测方法的研究；清华大学软件学院的TPC-C评测程序；清华大学网络研究所使用Petri网模型分析网络系统的性能；国防科技大学计算机系中间件系统的研究和测试；计算机世界报性能评测实验室；赛迪评测中心的NC系统的评测。

计算机性能分析与评测主要的研究方向如下：

1.相关理论的研究：泊松分布、排队论、自相似理论、MaKov模型、Monte Carlo模

拟。

2. 负载特性的研究：商业负载(Commercial Workload)、技术负载(Technical Workload)。

3. 基准程序Benchmark 的研究。

4. 性能指标的研究：生命周期、服务协议等级、服务质量、总拥有价格（TCO ）、总拥

有性能（TPO ）、吞吐率、可靠性、可用性、可扩展性、QoS 等。

5. 性能评测与体系结构的结合。

6. 模拟器的研究：SimpleScalar 、SimOS 、SandOS 等。

7. 测试系统的研究：Benchmark Factory 、ServerScope 、Benchmark Studio 、 LoadRunner 、

Forecast toolset 等。

8. 监控系统的研究：Intel Vtune 、 EMon 、TeamQuest Lite 、 ServerScope-Monitor 、

Grid-View 等。

2基于排队论对计算机性能分析与评价综述

2.1理论基础

本部分主要总结在计算机性能分析与评测过程中用到的概率论基础、随机过程和常用的排队论模型，根据这些理论知识，为对计算机各个部件的性能分析、优化和改进奠定基础。

2.1.1概率论基础

1.条件概率和独立性

条件概率公式：P(A|B)=P(AB)/p(B),此时假定事件B 已经发生，事件A 在事件B 发生的条件下的概率。

独立性：如果P(AB)=P(A)P(B),事件A 和B 叫做相互独立的事件，独立性的概念可以推广到三个或多个事件。

2.全概率公式和贝叶斯定理

给定一组互斥的事件E1,E2,……,En,这些事件的并集包括所有可能的结果，同时给任一个事件A ，那么全概率公式可以表示为： 贝叶斯公式： 又称为后验概率公式，是在已知结果发生的情况下，用来求导致这种结果的某种原因的∑==

n j j j E P E A P A P 1)()/()(∑==

n

j j

j i i i E P E A P E P E A P A E P 1)()/()()/()/(

可能性的大小。

3.重要的概率分布

1）0-1分布

概率分布为：P{X=1}=p, P{X=0}=1-p，它描述一次贝努里实验中，成功或失败的概率。

2）二项分布

公式为：P{X=k}=C n k p k (1-p)n-k，k=0,1,2,……，n

用来描述n次贝努里实验中事件A出现k次的概率。

3）几何分布

公式为：P{X=k}=p(1-p)k-1, k=1,2, ……

描述在k次贝努里实验中首次出现成功的概率。其有一个很重要的性质----无后效性，即在前n次实验未出现成功的条件下，在经过m次实验首次出现成功的概率，等于恰好需要进行m次实验出现首次成功的无条件概率，与过去历史无关的性质称为马尔可夫特性。它可以描述某一任务的服务持续时间。

4）泊松分布（Poisson）

公式为：P{X = k} = λk e-λ/ k!，k=0,1,2,……

在实际系统模型中，一般都要假定任务（或顾客）的到来是泊松分布的。

5）K-爱尔朗分布

概率密度函数为：f(x)=(λkx)n-1λke-λkx /(n-1)!，x≥0

f(x)=0，x<0

具有K-爱尔朗分布的随机变量可以看作具有同一指数分布的独立的k个随机变量之和。其在排队模型中，得到了广泛的应用。

6）指数分布

指数分布是一种连续的概率分布，其概率密度公式为：

f（x）=λe-λx ，x≥0

f（x）=0 ，x<0

在连续型随机变量中，只有指数分布具有无后效性。在排队理论和随机Petri网中，指数分布是很重要的。