مروری بر روش های یادگیری ماشین برای پیش بینی مصرف منابع در محیط های مبتنی بر مجازی سازی و کانتینرها

چکیده مقاله

مدیریت منابع در محیط های مجازی سازی و کانتینری به دلیل تغییرپذیری شدید بارهای کاری و نیاز به تضمین توافق نامه سطح سرویس SLA ، با محدودیت های روش های سنتی اکتشافی مواجه شده است این مقاله مروری با هدف بررسی روش های یادگیری ماشین ML در پیش بینی مصرف منابع و بهبود مدیریت خودکار منابع در محیط های مجازی سازی و کانتینری ابری انجام شده است در این مطالعه، پژوهش های مرتبط با مدل های پیش بینی مبتنی بر یادگیری ماشین، روش های آگاه از عدم قطعیت و قابلیت های یادگیری انتقالی در سناریوهای چنددامنه ای تحلیل شده اند نتایج بررسی ها نشان می دهد که مدل های احتمالی با درنظرگیری عدم قطعیت های موجود در داده ها، نسبت به مدل های تخمین نقطه ای عملکرد بهتری در شاخص های کیفیت سرویس نشان داده اند همچنین، روش های یادگیری انتقالی امکان تعمیم مدل های پیش بینی را در محیط های متفاوت فراهم می کنند، اگرچه انتقال دانش میان زیرساخت ها و ارائه دهندگان مختلف همچنان یکی از چالش های اصلی این حوزه محسوب می شود

کلیدواژه‌ها

نویسندگان

پریا شمشیری

۱- دانشجوی کاردانی رشته فناوری اطلاعات (دانشگاه ملی مهارت ولی عصر (عج))

پریا شمشیری

۱ دانشجوی کاردانی رشته فناوری اطلاعات دانشگاه ملی مهارت ولی عصر عج

نسترن بزن بیرانوند

۲- استاد دانشگاه (دانشگاه ملی مهارت ولی عصر (عج))

نسترن بزن بیرانوند

۲ استاد دانشگاه دانشگاه ملی مهارت ولی عصر عج

�مشیری، پریا و بزن بیرانوند، نسترن،1405،مروری بر روش های یادگیری ماشین برای پیش بینی مصرف منابع در محیط های مبتنی بر مجازی سازی و کانتینرها،سی و یکمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان

ارائه‌شده در

مجموعه مقالات سی و یکمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک30 تیر 1405 · شیروان