کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6872972 1440626 2018 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Identifying worst-case user scenarios for performance testing of web applications using Markov-chain workload models
ترجمه فارسی عنوان
شناسایی سناریوهای کاربر بدترین حالت برای آزمایش عملکرد برنامه های وب با استفاده از مدل های بارگذاری زنجیره مارکوف
کلمات کلیدی
ازمایش عملکرد، زنجیره مارکوف، الگوریتم ژنتیک، الگوریتم های جستجوی نمودار،
ترجمه چکیده
عملکرد ضعیف سیستم های مبتنی بر وب می تواند منفی سودآوری و شهرت شرکت هایی را که بر آنها متکی است، تأثیر بگذارد. پیدا کردن آن سناریوهای کاربر که می تواند عملکرد برنامه کاربردی وب را به طور قابل توجهی کاهش دهد بسیار مهم است تا اقدامات لازم را انجام دهد، به عنوان مثال، اختصاص منابع اضافی. علاوه بر این، می خواهم بدانم چگونه سیستم تحت آزمایش تحت افزایش حجم کار است که توسط صحت های کاربر بدترین حالت انجام می شود. در کار قبلی ما، رفتارهای مورد انتظار کاربران برنامه های کاربردی وب را با استفاده از مدل های احتمالی کار، رسم کرده ایم و نشان داده ایم که چگونه از چنین مدل هایی برای تولید بار در مقابل سیستم تحت آزمایش استفاده می کنیم. به عنوان یک فرمت، در این مقاله پیشنهاد می کنیم رویکرد اکتشافی فضایی عملکردی برای به رسمیت شناختن سناریوی کاربر بدترین حالت در یک مدل بار کاری داده شده داشته باشیم که بالقوه می تواند بالاترین میزان استفاده از منابع را در سیستم مورد آزمایش در رابطه با یک منبع داده ایجاد کند. ما دو روش جایگزین را پیشنهاد می دهیم: یکی که سناریوی کاربر بدترین کاربر را در مدل داده کاری ارائه می دهد، اما برای مدل های با تعداد زیادی حلقه ها مقیاس نمی گیرد و یک راه حل تقریبی است که به نوبه خود مناسب برای مدل های با تعداد زیادی از حلقه ها. ما چندین آزمایش انجام دادیم تا نشان دهیم که سناریوهای کاربر شناسایی در مقایسه با مدل های اصلی در استفاده از منابع افزایش یافته در سیستم مورد آزمایش، عمل می کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
پیش نمایش مقاله
شناسایی سناریوهای کاربر بدترین حالت برای آزمایش عملکرد برنامه های وب با استفاده از مدل های بارگذاری زنجیره مارکوف
چکیده انگلیسی
The poor performance of web-based systems can negatively impact the profitability and reputation of the companies that rely on them. Finding those user scenarios which can significantly degrade the performance of a web application is very important in order to take necessary countermeasures, for instance, allocating additional resources. Furthermore, one would like to understand how the system under test performs under increased workload triggered by the worst-case user scenarios. In our previous work, we have formalized the expected behavior of the users of web applications by using probabilistic workload models and we have shown how to use such models to generate load against the system under test. As an extension, in this article, we suggest a performance space exploration approach for inferring the worst-case user scenario in a given workload model which has the potential to create the highest resource utilization on the system under test with respect to a given resource. We propose two alternative methods: one which identifies the exact worst-case user scenario of the given workload model, but it does not scale up for models with a large number of loops, and one which provides an approximate solution which, in turn, is more suitable for models with a large number of loops. We conduct several experiments to show that the identified user scenarios do provide in practice an increased resource utilization on the system under test when compared to the original models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 87, October 2018, Pages 910-920
نویسندگان
, , ,