پیش بینی تعداد مناسب ماشین های مجازی بر اساس سری زمانی و روش های هوشمند مبتنی بر خوشه بندی ماشین های مجازی

پیام:
چکیده:
یکی از مهمترین چالش‏های رایانش ابری، مدیریت منابع و بهینه‏سازی تخصیص منابع در مراکز داده‏ی ابری در لایه‏ی زیر ساخت است. در این مقاله به بررسی موضوع تخمین تعداد مناسب ماشین‏های مجازی در مراکز داده‏ای ابری پرداخته شده است. از جمله ایرادات رویکردهای پیشین، در نظر گرفتن مستقل ماشین‏های مجازی و بی‏توجهی به رفتارهای مشابه ماشین‏ها است. بهره‏جویی از الگوریتم‏های یادگیری ماشین و سری زمانی و راهکار خوشه‏بندی رفتاری و خودکار ماشین‏های مجازی به عنوان عناصر زمینه‏ساز تامین بهینه‏ی منابع درنظر گرفته شده است. پیش‏بینی سری زمانی و استفاده از گذشته، برای تخمین آینده به هدف جلوگیری از نقض توافق سطح خدمات از یک سو و جلوگیری از صرف هزینه‏های تامین، نگهداری و مجازی‏سازی ماشین‏های مجازی که در آینده مورد استفاده قرار نخواهند گرفت از سوی دیگر موجب افزایش کیفیت خدمات ابری شده است. هر میزانی که پیش‏بینی انجام شده دقیق‏تر باشد، یعنی منابع ماشین‏های مجازی آماده شده، با نیاز واقعی مشتریان در آینده سازگارتر باشد، فراهم‏کنندگان خدمات ابری کمتر متضرر می‏شوند. نوآوری انجام شده اعمال خوشه‏بندی رفتاری و خودکار ماشین‏های مجازی است که موجب کاهش تعداد سری‏های زمانی شبیه، که در نهایت منجر به دریافت یک نوع ماشین مجازی می‏شود، دقت در پیش‏بینی سری زمانی ماشین‏های مجازی، کاهش بار پردازشی و سهولت در اعمال راهبردهای مدیریتی شده است. به کارگیری روش پیشنهادی، موجب افزایش دقت پیش‏بینی‏کننده‏ها و کاهش خطا به میزان 1.93 برابر شده است.
نوع مقاله:
مقاله پژوهشی/اصیل
زبان:
فارسی
صفحات:
66 -77
لینک کوتاه:
magiran.com/p1821083 
روش‌های دسترسی به متن این مطلب
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 300,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!