پیش بینی بارکاری ماشین های مجازی آمازون با یادگیری عمیق
- سال انتشار: 1404
- محل انتشار: دومین کنفرانس بین المللی برق، مکانیک، فناوری اطلاعات و کامپیوتر در علوم مهندسی
- کد COI اختصاصی: EMICWCONF02_012
- زبان مقاله: فارسی
- تعداد مشاهده: 39
نویسندگان
دانشگاه اراک
چکیده
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 عمیقاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.