随着信息化技术的发展与成熟，数据库系统逐步成为信息系统的核心。在商业领域中，数据量庞大而复杂，快节奏的事务处理对数据库系统的性能提出了新的要求。随着数据库系统的不断发展完善，的确在很大程度上满足了实际应用的需要。但是，这也增加了系统的复杂性，加之系统可配置参数有上百个，使得数据库系统的管理变得复杂和繁琐，仅仅靠数据库管理员(Database Administration，简称DBA)来调整和优化不仅耗费财力和人力，而且负载的性能目标不能时刻得到满足。　　 人工管理使得数据库系统性能的发挥受到了限制，这也造成了系统软硬件资源的极大浪费。在这种背景下，自主数据库管理技术应运而生，该技术是自主计算的一个分支，以实现系统的自我配置，自我调整和自我优化为目的，对数据库负载的执行进行控制和调优，在满足负载性能目标的同时优化数据库系统的性能。该技术的核心功能是实现负载的自我调优和自我管理，这个过程中需要对数据库管理系统(Database ManagementSystems，简称DBMS)的性能进行实时预测，以选择恰当的负载资源分配方案。这就需要建立数据库系统的性能预测模型。　　 本论文采用分层排队网络模型(Layered queuing networks model，简称LQNM)方法，建立以缓冲池资源为基础的数据库系统的性能模型。缓冲池是内存为数据库分配的一部分区域，该区域的大小可调整，其大小对数据库系统的性能有很大的影响。LQNM在性能预测上极具应用的广泛性，例如分布式数据库系统的性能分析。由于DBMS具有复杂的软件架构，其性能模型的分析比较复杂，而LQNM适用于比较复杂的系统的性能分析。LQNM是排队网络模型(Queuing networks model，简称QNM)的扩展，可以用来分析相互依赖的任务间对资源的竞争，可以同时建模软件和硬件，发现系统中软件或硬件的性能瓶颈。而QNM只能对硬件资源进行建模，缺乏对软件资源描述的支持。　　 本论文使用TPC-H基准测试数据，在DB2数据库上搭建实验环境。在数据库负载的执行流程以及LQNM建模等理论基础上，建立了数据库负载的LQNM，通过性能监测工具与实验数据库的结合获取模型参数，选用MVA算法对模型进行求解验证，并对缓冲池资源对数据库系统性能的影响做了评价。