پیش بینی بارکاری ماشین های مجازی آمازون با یادگیری عمیق

بسترهای ابری اغلب چندین مدل ماشین های مجازی را با انواع و ظرفیت های مختلف ارائه می کنند و به کاربران امکان انتخاب نمونه هایی با توجه به نیاز و شرایط خود می دهند. فراهم کنندگان ابری استراتژی استفاده از منابع محاسباتی مازاد با نرخ کاهش یافته را با هدف استفاده حداکثری از منابع خود توسعه داده اند که بارهای کاری به صورت پویا بر اساس عرضه و تقاضا در حال تغییر می باشد. پیش بینی دقیق بارکاری به کاربران کمک می کند از قبل اقدام به برنامه ریزی مقدار منابع و زمان اجرا کنند تا قابلیت اطمینان و در نتیجه کیفیت سطح خدمات این روش افزایش یابد. بدین منظور، ما آمازون EC۲ را به عنوان یک بستر آزمایشی در نظر می گیریم و از تاریخچه باری آن برای پیش بینی شرایط آینده با ساخت مدل پیشنهادی با روش یادگیری عمیق استفاده می کنیم. نتایج آزمایش حاکی از عملکرد بهتر و دقیق تر روش پیشنهادی ما در مقایسه با روش های دیگر می باشد.

کلیدواژه ها:

رایانش ابری ، پیش بینی بارکاری ، یادگیری عمیق