Abstract
背景：云环境下以最大化性能为目标配置分布式数据库非常麻烦
本文：提出Baloo，
Task: 在云环境中系统地测量和建模分布式DBMS的与性能相关的不同配置
根据所需的目标精度动态估算所需的测量配置数量，以及每个配置所需的测量重复次数
实验：
数据集：在私有云设置中执行的900个DBMS配置测量数据构成的数据集（将公布）
效果：高度可配置的框架能够实现高达12％的预测误差，同时节省了80％以上的测量工作
背景：云环境下以最大化性能为目标配置分布式数据库非常麻烦
本文：提出Baloo，
Task: 在云环境中系统地测量和建模分布式DBMS的与性能相关的不同配置
根据所需的目标精度动态估算所需的测量配置数量，以及每个配置所需的测量重复次数
实验：
数据集：在私有云设置中执行的900个DBMS配置测量数据构成的数据集（将公布）
效果：高度可配置的框架能够实现高达12％的预测误差，同时节省了80％以上的测量工作