is compared with the experimentaran

is compared with the experimenta
ranges of various workload types. D
the closeness of the extracted va
stored range, the workload is classifi
improve the accuracy of identifying
type database size in conjunction w
has been used.
IV. FUZZY-CONTROLLED SELF-TUNING &
Figure 2 shows the architecture o
fuzzy-controlled self-tuning database
system. The objective of this system
the DBMS, by proactively mo
performance indicators like bu
number of active processes and the
DBMS
N
BHR
DBS
Per
Ind
Ext
Mo
Figure 2
A. Fuzzy Control Rules
Fuzzy control rules are based
logical reasoning and based on
language constructs namely the IF T
construct. Linguistic terms are use
the extent of tuning required. These
carefully framed and most of the
modifications till desired results are
instance, to find the new buffer ca
fuzzy rules could be formed us
variables like Poor, Low, Mediu
Very High. In all, thirteen rules ha
and are as shown in Table I. T
formulated by dividing the input sp
to four zones depending on the size
al established
Depending on
alue with the
ied. To further
the workloadwith
the BHR
MODERATION
of closed loop
e management
m is to analyze
onitoring the
uffer-hit-ratio,
database size

ผลลัพธ์ (ไทย) 1:

เมื่อเทียบกับ experimentaช่วงของปริมาณต่าง ๆ Dความใกล้ชิดของ va แยกเก็บช่วง ปริมาณงานเป็น classifiปรับปรุงความถูกต้องของการระบุพิมพ์ฐานร่วม wมีการใช้IV. เอิบควบคุมปรับเปลี่ยนตนเองและรูปที่ 2 แสดง o สถาปัตยกรรมเอิบควบคุมฐานข้อมูลปรับแต่งด้วยตนเองระบบ วัตถุประสงค์ของระบบนี้DBMS โดยหมอวันนี้ตัวบ่งชี้ประสิทธิภาพเช่นบุจำนวนกระบวนงานและDBMSNBHRเศรษฐกิจต่อIndแสMoรูปที่ 2อ.กฎการควบคุมเอิบกฎการควบคุมที่ชัดเจนอยู่ใช้เหตุผลตรรกะ และตามภาษาสร้างได้แก่ T ถ้าสร้าง เงื่อนไขภาษาศาสตร์จะใช้ขอบเขตของการปรับแต่งที่จำเป็น เหล่านี้กรอบอย่างระมัดระวัง และที่สุดของการแก้ไขจนถึงผลลัพธ์ต้องมีอินสแตนซ์ หา ca บัฟเฟอร์ใหม่กฎที่ชัดเจนอาจจะเกิดขึ้นเราตัวแปรเช่นคนจน ต่ำ Mediuสูงมาก ทั้งหมด thirteen กฎฮามีดังแสดงในตาราง T I.โดยแบ่ง sp เข้าเขตพื้นที่ 4 ขึ้นอยู่กับขนาดอัลก่อตั้งขึ้นขึ้นอยู่กับalue ด้วยการต่าง ๆ การเพิ่มเติมworkloadwithการ BHRดูแลของวงปิดจัดการอีm คือวิเคราะห์onitoringuffer-ตีอัตราขนาดฐานข้อมูล

ผลลัพธ์ (ไทย) 3:

เปรียบเทียบกับเหล็ก
ช่วงของงานประเภทต่างๆ D
ความใกล้ชิดของสกัด VA
เก็บไว้ช่วงภาระงานเป็น classifi
ปรับปรุงความถูกต้องของการระบุชนิดขนาดฐานข้อมูลร่วมกับ
w

4 มาใช้ fuzzy-controlled self-tuning &
o
รูปที่ 2 แสดงสถาปัตยกรรมแบบควบคุม self-tuning ระบบฐานข้อมูล

วัตถุประสงค์ของระบบ DBMS นี้
,โดยวันนี้โม
Performance เช่นจำนวนของกระบวนการที่ใช้งานและบู




n หรือขยายทุนต่อ




รูปที่โมนิค ext 2
A
ควบคุมฟัซซี่กฎควบคุมฟัซซี่กฎเหตุผลและยึดตาม

สร้างภาษาคือถ้า T
สร้าง เงื่อนไขทางภาษาใช้
ขอบเขตของการปรับแต่งที่จำเป็น เหล่านี้อย่างระมัดระวังและกรอบที่สุด

แก้ไขจนกว่าผลที่ต้องการ
อินสแตนซ์หากันชนใหม่ CA
กฎฟัซซีอาจจะเกิดขึ้นเรา
ตัวแปรเช่นยากจน , ต่ำ , mediu
สูงมาก ใน ทั้งหมด กฎ 13 ฮ่า
และดังแสดงในตารางที่ I . T
สูตรโดยแบ่งใส่ SP
4 โซนขึ้นอยู่กับขนาด


alue อัลก่อตั้งขึ้นอยู่กับกับ
ระเบิดแสวงเครื่อง เพื่อเพิ่มเติม



workloadwith ขยายการปิดวง

M e การจัดการเพื่อวิเคราะห์ onitoring


uffer ตีอัตราส่วนขนาดฐานข้อมูล