Kvalitatív modellek származtatása megfigyelésekből

OData támogatás
Konzulens:
Dr. Pataricza András
Méréstechnika és Információs Rendszerek Tanszék

A felhő alapú rendszerek elterjedésével megjelent az igény, hogy egy alkalmazás futtatása során mindig csak az éppen szükséges erőforrás legyen allokálva, úgy hogy az alkalmazás megnövekedett terhelés esetén is folyamatosan nyújtani tudja az ügyfelek által elvárt teljesítményt. Ezáltal elérhető a rendszer futtatási költségeinek alacsonyan tartása valamint egy magas minőségű szolgáltatás biztosítása egyaránt.

Ez a típusú üzemeltetés új kihívások elé állítja a felhő alkalmazások tervezőit, mivel képesnek kell lenniük pontosan meghatározni a rendszer várható terhelését. A sok paramétertől függő idősor elemzési és előrejelzési feladat a hagyományos, szabály alapú módszerekkel történő megvalósítása bonyolult és nem hatékony. A probléma megoldására egy neurális hálókon alapuló skálázási algoritmus segítségével teszek javaslatot, mely egy rendszerbeli komponens terhelést figyelembe véve képes meghatározni annak jövőbeli működési állapotát. Az elkészített keretrendszer ezt a predikciót figyelembe véve automatikus le- és felskálázási tevékenységet tud végrehajtani, bemutatva ezzel egy valós környezetbeli működést.

A programon elvégzett tesztek azt mutatják, hogy a megoldás képes egy hatékony skálázási algoritmusként működni és komponens szinten magas pontossággal megbecsülni a várható állapotot. A jövőben a modellek és az algoritmus javításának érdekében, a fejlesztést ki kell terjeszteni más összetételű és felhasználású rendszerekre is.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.