چکیده مقاله
این پژوهش یک مدل ترکیبی مبتنی بر ماشین بردار پشتیبان SVM و درخت تصمیم DT همراه با الگوریتم HWPO را برای پیش بینی بار کاری و تخصیص بهینه منابع در رایانش ابری معرفی می کند مدل در شرایط دقت بالایی دارد اما در مواجهه با بحران هایی مانند بار ناگهانی، خرابی زیر ساخت و حملات امنیتی فاقد سازوکار تاب آوری و مقاوم سازی است نتایج مطالعات مکمل نشان می دهد که FT ERM میانگین زمان پاسخ را تا ۲۳ درصد کاهش می دهد، FTTA نرخ موفقیت اجرای وظایف را تا ۴۹ درصد افزایش می دهد و PREACT نقض توافقنامه سطح خدمت SLA را تا ۳ ۳ برابر کاهش داده و کارایی سیستم را تا ۷۸% بهبود می بخشد بر این اساس نتیجه می گیریم افزودن مولفه های تزریق خطا و مقیاس پذیری پیش دستانه در کنار مدل SVM DT، پایداری و کارایی سیستم را در شرایط بحرانی حفظ می کند این جمع بندی مسیر یک معماری ترکیبی را نشان می دهد که ضمن حفظ دقت پیش بینی، تاب آوری، بازیابی و استفاده از کارایی منابع را در بحران تضمین می کند
کلیدواژهها
نویسندگان
نازنین پدیداران مقدم
استادیار گروه کامپیوتر، مجتمع آموزش عالی فنی مهندسی اسفراین
نازنین شهسواری
دانشجوی کارشناسی ارشد دانشگاه غیر دولتی اشراق بجنورد
شیوه ارجاع
پدیداران مقدم، نازنین و شهسواری، نازنین،1404،تحلیل تطبیقی تخصیص منابع در شرایط بحرانی در محیط های ابری با تمرکز بر مقیاس پذیری و تاب آوری،هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع،اسفراین
ارائهشده در
مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع19 آبان 1404 · اسفراین