Offrir une qualité de service même en présence de charges élevées ou imprévisibles commence par la différentiation de service. Notre première contribution sur ces aspects a été de combiner l’ordonnancement des transactions dans les files avec le contrôle de concurrence lors de la sélection de la transaction à extraire en vue de l’exécuter, par la proposition de l’algorithme DBP_CC (Baccouche and Limam, 2007). Par la suite, les travaux sur l’ordonnancement ont intégré la qualité de service à travers une approche basée sur l’imprécision. En exprimant des contraintes de qualité dynamiques qui vont de pair avec le type de transaction à exécuter et qui autorisent un certain degré d’imprécision, nous permettons d’ajuster la qualité de service à la charge du système aussi bien dans un contexte centralisé que distribué (Limam et al., 2012).
A travers des actions contrôlées, l’imprécision permet de relâcher
les contraintes portant sur les transactions et les données. L’étude de
l’imprécision comme solution à la surcharge nous a permis de proposer une
approche pour l’ordonnancement (m,k)-firm avec ajustement dynamique des
contraintes, en vue d’éviter la surcharge dans le SGBDTR. En effet, la
surcharge est généralement résolue par une solution de gestion de qualité de
service basée sur une architecture dotée des modules nécessaires afin de
mesurer des paramètres renseignant sur le niveau de qualité de service offert
par le système, et d’entreprendre des actions afin de réguler sa charge. Notre
approche basée sur l’imprécision constitue une alternative très intéressante à
ces solutions du moment qu’elle intervient en amont et empêche le système de se
retrouver dans un état de surcharge en modifiant les valeurs des paramètres du
modèle (m,k)-firm en fonction de l’état de ce dernier.
La stratégie que nous proposons se base sur une loi de régression de m. En effet m doit osciller entre sa valeur d’origine et une valeur minimale en fonction de la priorité. La stratégie permet de régresser la valeur de m lorsqu’on constate que la file s’approche de l’état de l’échec dynamique. La détection de l’approche d’un état d’échec dynamique est constatée en fixant un seuil S pour chaque file en dessous duquel nous envisageons la régression de m.
L’application des solutions proposées par l’approche
d’imprécision, au contexte distribué a également été une piste intéressante que
nous avons explorée dans le contexte de l’ordonnancement des transactions. En
exploitant la différentiation de service, et en proposant une approche pour
l’exécution des transactions locales et distribuées avec gestion de la qualité
de service, nous clôturons l’axe 1 sur l’ordonnancement des transactions temps
réel.
Les travaux sur la contrainte (m,k)-firm dynamique sont parus dans la conférence Future Computing 2012 :
— Limam, S., Baccouche, L., and Ben Ghezala, H. (2012). A dynamic (m,k)-firm constraint to avoid dynamic failures in a real-time DBMS. In Proceedings of the Fourth International Conference on Future Computational Technologies and Applications, FUTURE COMPUTING 2012, pages 67–73.
