MétaCan
Menu
Retour à la cohorte
Enregistrement W2137464634 · doi:10.1109/waina.2012.131

Performance Analysis of Oracle Database in Virtual Environments

2012· article· en· W2137464634 sur OpenAlexaff
Fares N. Almari, Pavol Zavarsky, Ron Ruhl, Dale Lindskog, Amer Aljaedi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCloud Computing and Resource Management
Établissements canadiensConcordia University of Edmonton
Organismes subventionnairesVMware
Mots-clésVirtualizationOracleComputer scienceScalabilityOperating systemHardware virtualizationStorage virtualizationVirtual machineFull virtualizationOracle databaseCorrectnessDatabaseWorkloadCloud computingSoftware engineeringProgramming language

Résumé

récupéré en direct d'OpenAlex

The prevalence of server consolidation to capitalize on performance gains has seen various vendors presenting their virtual solution as the best option. This therefore highlights the importance of an independent and unbiased academic research in facilitating informed decisions. In this paper we examine the correctness of the marketing claim currently available at the Oracle's website that the Oracle VM server virtualization is four times more scalable than the VMware' virtualization solution. Therefore, we present results of tests and quantitative analysis of the effects of workload and configuration options on the Oracle database performance. The scalability tests were conducted in a non virtualized environment and compared with results of the tests in two virtualized server environments on the Red Hat Enterprise Linux 5.6 platform: (1) VMware ESXi 4.1 and (2) Oracle VM 2.2. The results of our tests confirm that the Oracle VM offers more scalability for Oracle 11g database applications than the VMware ESXi on a number of performance benchmarks. However, the experimental results for Oracle database applications do not show a clearly superior scalability of the Oracle VM server virtualization compared to the VMware ESXi virtualization solution. It is expected that the presented results will contribute to the awareness on the importance of an independent research for server virtualization informed decisions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,587
Score d'incertitude au seuil0,203

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,226
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCloud Computing and Resource ManagementTravaux en français237 207