![Page 1: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/1.jpg)
© Matthias Drobny 2006 Friedrich-Schiller-Universität Jena
Aspekte und Werkzeuge derAspekte und Werkzeuge derDatenbankadministration und Datenbankadministration und deren Automatisierungderen Automatisierung
Agent Building and Learning Environment (ABLE) & AutoTune agents
![Page 2: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/2.jpg)
26.04.23 15:05 © Matthias Drobny 2006 2
Gliederung
1. ABLE Was bisher geschah... Warum Able? Was ist Able? Welche Struktur hat Able?
2. AutoTune Einleitung Arbeitsweise Probleme
![Page 3: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/3.jpg)
26.04.23 15:05 © Matthias Drobny 2006 3
ABLEWas bisher geschah...
Entwicklungen bis hin zu ABLE roll-your-own-Ansätze bei nahezu jeder Umgebung
allgemeine Probleme Workloads, Heterogenität, Technik-Wandel
![Page 4: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/4.jpg)
26.04.23 15:05 © Matthias Drobny 2006 4
ABLEWARUM überhaupt ABLE?
Probleme nicht durch "monolithische Software" zu lösen
inkrementelle Verbesserungen als Lösungsvorschlag schnell erlernbar, schnell erweiterbar gute
Wiederverwertbarkeit selbstüberwachend/selbstbewusst es ist von IBM, und daher potenziell ein Top-Produkt (zumindest laut der Autoren)
![Page 5: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/5.jpg)
26.04.23 15:05 © Matthias Drobny 2006 5
ABLEWIE wurde ABLE umgesetzt?
Java/Java Beans leichte Portierbarkeit Objektorientierung Multithreading
Hard-/Software (Zielobjekt)
Sensoren Effektoren
ABLE Bean1
ABLE Bean2
ABLE Bean3
![Page 6: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/6.jpg)
26.04.23 15:05 © Matthias Drobny 2006 6
ABLEWAS heißt ABLE?
A toolkit for building multiagent autonomic systems
A gent agentenbasiert, autonome Programme
B uilding and Entwicklungstools, Komponentenbibliothek
L earning selbstlernend, selbstbewusst
E nvironment Bereitstellung von fertigen Funktionen, einheitlicher Syntax,
Oberfläche
![Page 7: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/7.jpg)
26.04.23 15:05 © Matthias Drobny 2006 7
ABLEArchitektur / Übersicht
ABLE agent framework AbleBeans sind JavaBeans
mit standardisierten Methoden • init(), reset(), ...
mit standardisierten Attributen• Name, Status, ...
AbleAgents sind AbleBeans, verbunden durch Datenflüsse (Data-flow connection)
Ereigniskopplungen (Event connection)
Eigenschaftskopplungen (Property connection)
Component Library vorgefertigte Algorithmen (natürlich als Beans)
GUI Erstellung und Konfiguration weiterer AbleBeans Erstellung und Test daraus erstellter AbleAgents
![Page 8: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/8.jpg)
26.04.23 15:05 © Matthias Drobny 2006 8
ABLEABLE agent framework
AbleBean erledigen Kleinstaufgaben keine selbstständigen Agenten an die jeweilige Teilaufgabe angepasst
hoher Re-Use-Nutzen Beispiel: „Lies eine XML-Datei“
AbleAgent erfüllen „umfassende“ Aufgaben arbeiten selbstständig an die jeweilige Gesamtaufgabe
angepasst (durch Kombination angepasster Beans) sehr flexibles Modell
Beispiel: „erstelle ein Vorhersage-Modell für das Zielsystem“
AbleBean AbleAgent
AbleAgent
AbleAgents sind miteinander verbundene
AbleBeans/AbleAgents
![Page 9: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/9.jpg)
26.04.23 15:05 © Matthias Drobny 2006 9
ABLEABLE agent framework
Eigenschaftskopplungen (Property connection)
Synchronisation zweier Beans Änderungen werden durchgereicht
Bean 1
Bean 2
Bean 3
Bean 1
Bean 2
gemeinsameEigenschaften
Bean 1[Ereignis]
Bean 2[Lauscher]
Ereigniskopplungen (Event connection)
großer Lauschangriff Beans werden von anderen überwacht, wenn ein Event
eintritt, reagiert der Lauscher (synchron oder asynchron)
3 Arten der Kommunikation der Beans untereinander Datenflüsse (Data-flow connection)
Output-Buffer1 = Input-Buffer2 Baumstruktur
![Page 10: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/10.jpg)
26.04.23 15:05 © Matthias Drobny 2006 10
ABLEComponent Library: Data & Learning Beans
Data beans Datenimport/Datenexport Filterung
Learning beans Back propagation Self-Organizing Map Decision Tree Naïve Bayes
![Page 11: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/11.jpg)
26.04.23 15:05 © Matthias Drobny 2006 11
ABLEComponent Library: Rule beans
eigene Sprache ABLE Rule Language (ARL) verschiedene Inferenzmaschinen problemlos
koppelbar, da alle die gleiche Sprache (und Regelbasis) verwenden
Boolean forward chaining Fuzzy forward chaining Pattern matching
![Page 12: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/12.jpg)
26.04.23 15:05 © Matthias Drobny 2006 12
ABLEComponent Library: Funktionsspezifische AbleAgents
genetic search agent neural classifier agent neural clustering agent neural prediction agent
![Page 13: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/13.jpg)
© Matthias Drobny 2006 Friedrich-Schiller-Universität Jena
AutoTuneAutoTuneA Generic Agent for Automated Performance Tuning
![Page 14: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/14.jpg)
26.04.23 15:05 © Matthias Drobny 2006 14
AutoTuneGliederung
1. Einleitung2. Problemstellungen3. Arbeitsweise4. Beispiele
![Page 15: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/15.jpg)
26.04.23 15:05 © Matthias Drobny 2006 15
AutoTuneDie Vorgeschichte
praktischer Einsatz des ABLE frameworks Erstellung einer Serverüberwachung Informationsproblem
Beschaffung woher kommen die Daten
Verwendbarkeit sinnvolle Größen problemabbildend
![Page 16: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/16.jpg)
26.04.23 15:05 © Matthias Drobny 2006 16
AutoTuneProblemstellungen
„Was soll erreicht werden?“ 3 P‘s der Informatik (Performance, Performance, Performance)
Was ist messbar? Was ist beeinflussbar?“ Anzahl verbundener Nutzer (externe Größe) vs. Anzahl max.
Sessions (dynamisch änderbar) Session-Dauer vs. Max. Session-Dauer (Keep-alive)
„Wie lernt der AutoTune-Controller die optimalen Reaktionen“ Neuronales Netz mit „ausreichenden“ Inputdaten (ausreichende
Bandbreite, Variationen) oder Simulation der Inputs (Sinusschwankungen) und Tests
![Page 17: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/17.jpg)
26.04.23 15:05 © Matthias Drobny 2006 17
AutoTuneArbeitsweise
AutoTune Agent
Controlled Target
Administrator
Workload metrics
Service level metrics
Tuning Control settings
Workload
Service objectives
End Users
ServiceIndicators of effectiveness of controller
Configuration metrics
![Page 18: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/18.jpg)
26.04.23 15:05 © Matthias Drobny 2006 18
AutoTuneBeispiel-Architektur: Lotus Notes Server ®
AutoTune besteht aus 3 AbleAgents1. dem „Lauscher“
überwacht den Server liefert Performance-Daten setzt die neuen Konfigurationsparameter
2. dem „Lerner“ erlernt das Systemmodell (wird bei konstantem System nur einmal
genutzt) optimal: mathematisches Modell des Zielsystems... normal: grobe Annäherung, Fehlerverringerung, Schätzung
3. dem „Vorhersager“ verarbeitet die Inputdaten zu neuen Konfigurationsparametern
![Page 19: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/19.jpg)
26.04.23 15:05 © Matthias Drobny 2006 19
AutoTuneBeispiel-Architektur: Lotus Notes Server ®
Administrator
get Notes perf data
set Notesparameters
workload/controls and actual perf
controls
Neural System Model
Neural Controller
controls workload
desired perf
controlsworkload
predicted perf
controls (for training)backprop
NotesAdaptorBean
NotesServer
![Page 20: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/20.jpg)
26.04.23 15:05 © Matthias Drobny 2006 20
AutoTuneBeispiel-Architektur: Apache Web Server ®
erneut dreiteilig Controller Design Agent
berechnet die neuen Parameter
Modeling Agent math. Modell oder
Näherung durch Simulation Run-Time Control Agent
verarbeitet die Parameter und die Wunschvorstellung des Systemadministrators
![Page 21: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/21.jpg)
26.04.23 15:05 © Matthias Drobny 2006 21
AutoTuneLaufzeitbeispiel/Diagramme mit Controller ohne Controller
![Page 22: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/22.jpg)
26.04.23 15:05 © Matthias Drobny 2006 22
The End
Sach-, Geldspenden und Jobangebote bitte direkt bei mir einreichen
![Page 23: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/23.jpg)
26.04.23 15:05 © Matthias Drobny 2006 23
Input-Schich
t
Output-Schicht
verdeckte Schicht
ABLE: (Zusatzfolien)Back propagation
Anlegen eines Eingabemusters Vorwärtspropagierung (normale
Berechnung) Vergleich von Zieloutput und
berechnetem Wert Differenz ist „Fehler des Netzes“
Anpassung der Neuronengewichte abhängig vom Einfluss auf Fehler
G: 1
F: 0.8
G: 0.5
F: 0.2
![Page 24: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/24.jpg)
26.04.23 15:05 © Matthias Drobny 2006 24
ABLE: (Zusatzfolien)Self-organizing maps/SOM/Kohonenkarte
Teilart der Neuronalen Netze
unüberwachtes Lernverfahren (Clustering)
Projektion von multidimensionalen Einflüssen auf Ebene (für besseres menschliches Verständnis)
![Page 25: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/25.jpg)
26.04.23 15:05 © Matthias Drobny 2006 25
ABLE: (Zusatzfolien)Decision Trees
spezielle Darstellungsformen von Entscheidungsregeln
aufeinanderfolgende, hierarchische Entscheidungen
schwieriger Überblick bei großen Bäumen Pruning
Kombination mit Neuronalen Netzen möglichTBNN (Tree-Based Neural Network)
![Page 26: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/26.jpg)
26.04.23 15:05 © Matthias Drobny 2006 26
ABLE: (Zusatzfolien)Naïve Bayes
Entscheidung anhand anderer Fakten Berechnung einer Wahrscheinlichkeit aus anderen
Wahrscheinlichkeiten Unabhängigkeitsannahme zwischen den
Ereignissen
![Page 27: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/27.jpg)
26.04.23 15:05 © Matthias Drobny 2006 27
ABLE: (Zusatzfolien)Forward chaining
Boolean forward chaining Standardfall entweder A oder B (oder C) „crispe“ Menge
Fuzzy forward chaining wenn A, dann fuzzy B keine klare Aussage, sondern
„sprechende Variable“ unscharfe Menge
sehr einfache Regelbasis Fakt + Regel neuer Fakt (+ Regel neuer Fakt...)
![Page 28: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/28.jpg)
26.04.23 15:05 © Matthias Drobny 2006 28
ABLE: (Zusatzfolien)Pattern matching
Mustervergleich, keine Mustererkennung typischerweise (bei Textverarbeitungsprogrammen) durch
reguläre Ausdrücke (Me_er) Formbasiertes Matching (Shape-based)
Suche nach Kanten echtzeit-tauglich robust
Komponentenbasierte Matching (Component-based) zusammengehörige Teile werden erkannt
![Page 29: © Matthias Drobny 2006Friedrich-Schiller-Universität Jena Aspekte und Werkzeuge der Datenbankadministration und deren Automatisierung Agent Building and](https://reader036.vdocuments.pub/reader036/viewer/2022070507/570491c51a28ab14218dadf6/html5/thumbnails/29.jpg)
26.04.23 15:05 © Matthias Drobny 2006 29
ABLE: (Zusatzfolien) neural prediction agent - Beispiel
Beispiel (Bild) Figure 8 Nutzer legt fest:
Datenquelle Trainingsdauer, ...
einmaliges Training, danach synchrone Berechnungen
bei Überwachung von Systemänderungen automatische Rekonfiguration