[发明专利]一种基于不确定度的数据流处理系统多目标优化方法

摘要

本发明公开的一种基于不确定度的数据流处理系统多目标优化方法，涉及一种用于数据流处理系统的多目标优化方法，属于计算机应用技术、实时大数据分析领域。本发明根据用户所指定的响应延迟的上下界以及吞吐率的上下界，给出不确定区域面积；基于缩小不确定区域面积这一目标，通过递归的二分探测法得到一组具有典型代表意义的帕累托最优解，为用户在响应延迟和吞吐率上提供选择空间。本发明适用于不同的实时大数据分析系统多目标优化场景中，应用范围广，实用性强，易于推广。此外，本发明只针对数据本身进行处理，而不受限于数据的来源，适用于对所有的工程应用中的数据的处理。

主权项

1.一种基于不确定度的数据流处理系统多目标优化方法，其特征在于：包括如下步骤，/n步骤1：输入当前响应延迟的上界，记为L_upper；输入当前响应延迟的下界，记为L_lower；输入不确定区域面积的阈值，记为UA；/n步骤2：根据当前响应延迟的上界L_upper和下界L_lower，分别计算当前吞吐率的上界和下界；/n步骤3：根据当前响应延迟的上界L_upper和下界L_lower，通过二分法计算当前的探测响应延迟、最大探测吞吐率以及最大探测吞吐率的具体系统配置；/n步骤3.1：根据当前响应延迟的上界L_upper和下界L_lower，计算当前探测响应延迟，记为L_middle，计算公式如下：/nL_middle＝(L_lower+L_upper)/2； (3)/n步骤3.2：根据当前探测响应延迟L_middle，计算当前的最大探测吞吐率和最大探测吞吐率的具体系统配置，分别记为T_middle、c_middle，计算公式如下：/n /nc代表具体系统配置；λ代表实时的输入数据率；Γ_(c,λ)代表具体系统的参数配置c和实时的输入数据率λ条件下的吞吐率；ψ_(c,λ)代表具体系统的参数配置c和实时的输入数据率λ条件下的响应延迟；/n步骤4：根据当前的响应延迟的上界L_upper和下界L_lower、吞吐率的上界T_upper和下界T_lower、探测响应延迟L_middle以及最大探测吞吐率T_middle，分别计算当前左半部分和右半部分的不确定区域面积；/n步骤4.1：根据当前的响应延迟的下界L_lower和探测响应延迟L_middle以及当前的吞吐率的下界T_lower和最大探测吞吐率T_middle，计算当前左半部分的不确定区域面积，记为ua_left，计算公式如下：/nua_left＝(L_middle-L_lower)×(T_middle-T_lower)； (5)/n步骤4.2：根据当前的响应延迟的上界L_upper和探测响应延迟L_middle以及当前的吞吐率的上界T_upper和最大探测吞吐率T_middle，计算当前右半部分的不确定区域面积，记为ua_right，计算公式如下：/nua_right＝(L_upper-L_middle)×(T_upper-T_middle)； (6)/n步骤5：判断当前左半部分和右半部分的不确定区域面积是否小于或等于不确定区域面积的阈值UA，决定是否进行递归迭代探测；/n步骤6：计算当前探测结果组，将当前探测结果组与左半部分探测结果组plan_left和右半部分探测结果组plan_right合并，并返回最终探测结果组，即得到数据流处理系统多目标优化的一组具有典型代表意义的帕累托最优解。/n