实验中将DRA算法、具有固定副本数量的复制算法 FRN（Fix Replica Number）［98］、局部动态的复制算法LD（Local Dynamic）［99］进行任务响应延迟、消耗网络带宽的评估指标的对比。在 FRN中，每个数据都有固定数量限制的副本，各个数据中心都有一个标识数，通过标识数映射到一个环中，根据映射的值决定放置副本的位置；在LD中，如果有数据读操作要求，则通过更新非主副本来动态地进行数据副本的操作。
在对数据副本的管理过程中，FRN算法在整个数据的请求访问活动期间，其数据副本数量并不发生变化，由此，会导致整个系统的负载均衡水平不能动态地进行调整，出现负载不均衡、系统存储空间分配不均等问题。
局部动态的复制算法LD通常采用最近、最少使用或者最近、最常使用的副本置换原则进行副本的更改，即在选取数据的放置目标时，考虑副本的使用频率，删除长时间未被访问或者访问频率较低的副本，以上副本的置换标准虽具有一定的合理性，但不全面。
对于数据长度不一致但请求访问频率无明显差别的数据副本，通常会由于文件较长的数据副本占据更多的存储空间，该类副本被删除，以释放占用的存储空间，这样往往忽略了文件的大小，易造成数据的丢失。由此，对三种算法的原理进行分析，对算法的性能进行测试。
（1）副本更新比例对性能的影响
因不同类型的用户任务具有不同的读写操作，将其比例设置为1.0、0.9、0.8，采用FRN算法、LD算法、DRA算法三种算法对系统延迟、带宽的影响如表3-4～表3-6所示。
表3-4 比例为1.0时算法对性能的影响
表3-5 比例为0.9时算法对性能的影响
表3-6 比例为0.8时算法对性能的影响
表3-4～表3-6中系统延迟表明，对于FRN算法，当读操作的要求比例减少，延迟增长缓慢；对于LD算法，随着读操作比例的减少，当副本存在时间大于下一步的写操作请求的时间时，会造成需要到其他区进行访问的跨区访问问题，这样也会使系统的延迟增加；对于DRA算法，随着读操作请求的比例减少，读操作请求响应时间超过阈值，导致副本的平均数量减少，需要到其他区进行访问，但区的划分更合理，所以总延迟增加趋势小于LD算法。其中带宽消耗表明，对于FRN算法，当读操作比例减少，更新操作带宽消耗增加，但写操作带宽消耗保持不变，所以总的系统带宽消耗快速增加。对于LD算法和DRA算法，随着读操作减少，更多的读操作会访问其他区甚至数据中心，导致带宽消耗增长，但对于DRA算法，由于其分区的设置，其消耗相对于LD算法仍然较小。
将区的数量设为20，在实验中选择某一个任务，将副本数量从1增加到8，每次递增1个副本数量，观察不同数量的副本对系统性能的影响，如图3-4和图3-5所示。
图3-4 副本数量对延迟的影响
图3-5 副本数量对带宽的影响
对于FRN算法来说，随着副本数量的增加，系统延迟时间逐渐降低。因为对于FRN算法，某个数据的副本数越多，它相关的数据的某个副本存放在同一个数据中心内的概率也越大，因此系统的延迟时间也相应降低。而对于LD算法和DRA算法，由于其采用了动态副本数量的策略，在系统延迟上较FRN算法差异大，只有当FRN固定的副本数量增加到4或5时，在影响系统延迟上才与LD算法、DRA算法相近。LD算法由于其主、非主副本的通信造成了一定系统延迟，其值大于DRA算法。当副本数增加时，每次的更新需要同步到区中其他节点，对于FRN算法来说，由于其固定的副本数、同步时数据的不断复制，消耗的带宽远大于LD算法、DRA算法，而LD算法的主、非主副本的同步更新机制使其带宽的消耗较DRA算法大。(www.xing528.com)
（2）负载对性能的影响
采取FRN算法、LD算法、DRA算法，负载率对系统性能影响如图3-6和图3-7所示。随着负载率从0增加到0.1，FRN算法和LD算法会将延迟处理的本地请求转发到其他数据中心，从而造成延迟以及带宽消耗的增加。
对于DRA算法，当负载增加，出现过载情况时，不考虑将副本复制到其他数据中心，只考虑复制到本区中其他节点或者其他区，所以系统的延迟时间和带宽消耗不会发生变化。对于应用FRN算法以及LD算法，由于副本数量固定，即使动态调整副本数量也不能迅速对负载增大节点做出调整，且没有对节点的副本分布情况进行划分，因此系统延迟随着负载增加而升高。
图3-6 负载率对延迟的影响
图3-7 负载率对带宽的影响
（3）三种算法执行对系统的总体性能影响
不同任务数量的情况下，三种算法的平均完成时间如图3-8所示。
图3-8 平均完成时间对比图
FRN算法固定副本数量，未考虑用户任务对数据资源请求的动态性，所以任务平均完成时间最长；DRA算法的任务平均完成时间最短，这是因为DRA算法为避免异地访问，在本数据中心划分区，并根据区的层次结构创建副本。
LD算法为减少响应时间从全局角度计算副本数量和副本位置，但仅在局部考虑降低本地对数据资源的访问时间，所以LD算法任务的平均完成时间略大于采用DRA算法的任务的平均完成时间。
在算法的运行过程中，随着用户任务的不断增加，系统的传输状况发生改变，但任务对于数据在传输过程中的可靠性以及正确性的要求并未改变，这就促使算法在执行过程中，不仅要保证传输的效率，更要在数据可靠性、容错性上予以保证，因此，算法会根据其运行的要求，逐步产生数据副本，并且在一定范围内，数据副本的数量会随着系统中任务数量的增加而不断增加。
FRN算法在访问资源的同时将资源复制，随着用户对数据读写操作请求的增加，副本数量随着任务数目的增加而增长；LD算法通过局部动态调整来决定是否进行数据复制，因此其副本数量相比于FRN算法较少；DRA算法根据对热点数据进行复制，并根据不同参数动态计算所需的副本数量，在相同条件下，任务的平均完成时间差不多，但副本数量较应用FRN算法时明显减少，证明DRA算法在提升了系统性能的同时，减少了创建副本的资源消耗。
图3-9显示了随着任务数量的增加，DRA算法、具有固定副本数量的复制算法FRN、局部动态的复制算法LD在执行过程中产生的副本数量的变化情况。
图3-9 副本数量对比图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
