مقاله شماره ۶: رویکردی مبتنی بر یادگیری برای بهبود تامین منابع در محیط رایانش ابری
چکیده
توسعه سریع استفاده از رایانش ابری منجر به انتشار مراکز داده مختلفی در سراسر جهان شده است که این افزایش تعداد مراکز داده، تعداد منابع با عملكرد مشابه ولی مشخصات مختلف را افزایش داده است . سرویس های ابری با مفاهیم جدیدی مانند کشسانی، پرداخت به میزان مصرف و مقیاس پذیری همراه هستند. یكی از مهم ترین وجه های تمایز بین سرویس های سنتی و سرویس های ابری ویژگی کشسانی است. در این مقاله روشی برای بهبود تامین منابع برای محیط رایانش ابر ارائه شده است که دارای چهار فاز مانیتور، تحلیل، تصمیم و اجرا است. در فاز مانیتور داده ها دریافت می شود و در فاز تحلیل داده ها مورد پیش پردازش قرار می گیرد و درخواست های نویزی و زمان گذشته حذف می شود. فاز تصمیم که مهم ترین فاز است از تكنیک یادگیری بیزین برای تصمیم گیری در مورد تامین منابع ابر استفاده شده است. در انتها نتیجه حاصل از فاز تصمیم، توسط فار اجرا بر روی منابع اعمال می شود. نو آوری این مقاله استفاده از تكنیک بیزین و ترکیب آن با روش های استفاده شده در فاز تحلیل می باشد. نتایج عملكرد روش پیشنهادی افزایش خاصیت کشسانی 5/05 درصد و افزایش دقت کشسانی 6/59 درصد و سرعت مقیاس بندی 4/31 درصد را نسبت به روش های مورد مقایسه نشان می دهد.
کلیدواژه ها:
رایانش ابر
مقیاس بندی پویا
یادگیری ماشین
یادگیری بیزین
نویسندگان:
امیرفاضل1،مصطفی قبائی آرانی2*
1کارشناس ارشد ،گروه مهندسی کامپیوتر، واحد محلات، دانشگاه آزاد اسلامی ،مرکزی ،ایران.
2استادیار، گروه مهندسی کامپیوتر، واحد قم، دانشگاه آزاد اسلامی، قم، ایران.
DOR: 20.1001.1.26454416.1399.3.1.6.6
بدون دیدگاه