رویکردی مبتنی بر یادگیری برای مقیاس بندی منابع و تحلیل بار کاری در محیط رایانش ابری

رایانش ابری یکی از فناوری های اصلی لایه زیرساخت معماری برای ایجاد تحول دیجیتال در سازمان ها و شرکت های سنتی و مجازی می باشد و همچنین در حال حاضر بستری برای بسیاری دیگر از تکنولوژی های نوظهور مانند اینترنت اشیاء، یادگیری ماشینی، داده های عظیم و غیره می باشد. سرویس های ابری با مفاهیم جدیدی مانند کشسانی، پرداخت به میزان مصرف و مقیاس پذیری همراههستند. یکی از مهم ترین وجه های تمایز بین سرویس های سنتی و سرویس های ابری ویژگی کشسانی است. در این مقاله روشی برای تامین منابع با استفاده از رایانش تودمختار ارائه شده است. در فاز تصمیم گیری که مهم ترین فاز رایانش تودمختار است از تکنیک یادگیری بیزین برای مقیاس بندی منابع ابر استفاده شده است. نتایج عملکرد روش پیشنهادی افزایش خاصیت کشسانی 5.05 درصد و افزایش دقت کشتانی 6.59 را نسبت به روش های مورد مقایسه نشان می دهد.

Keywords:

رایانش ابری , رایانش خودمختار , تامین منابع , مقیاس پذیری , یادگیری بیزین