Time series analysis for dynamic resource provisioning in cloud platforms
Bulut tabanlı ortamlarda dinamik kaynak sağlama için zaman serisi analizi
- Tez No: 521246
- Danışmanlar: YRD. DOÇ. DR. TEVFİK AYTEKİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Dinamik Kaynak Sağlama, Hibrit Ölçekleme, Dynamic Resource Provisioning, Hybrid Scaling, LSTM, ARIMA
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yerel sunuculardan Bulut Veri Merkezlerine geçiş, şirketlerin Bulut Bilişim'e karşı artan güvenleriyle hızlandı. Sanallaştırma teknolojisi sayesinde servis sağlayıcılar, dalgalanan müşteri kaynak talepleri için Dinamik Kaynak Sağlama servisini vermeye başladılar. Bu bağlamda, yoğun saatlerle yoğun olmayan saatler arasındaki dengeyi verimli bir şekilde kurmak servis sağlayıcılar oldukça zorlayıcı bir iştir. Bu durumla baş edebilmek için çok sayıda veri merkezi müşteri kaynaklarını statik bir şekilde yönetir. Ancak, bazı veri merkezleri yatay ölçekleme kullanırken bazıları da dikey ya da hibrit ölçekleme kullanmaktadırlar. Yukarıda bahsedilen yöntemlerden hemen hemen hepsinin bazı dezavantajlara sahiptir. Yoğun zamana göre ayarlanmış statik yönetim, diğer zamanlar için kaynak israfı oluştutur. Yatay ölçekleme, müşterinin ihtiyacı olmayan bazı kaynak tipleri için kaynak israfı oluşturabilir. Dikey ölçekleme daha iyi bir yol olmasına rağmen yeniden başlatma olmadan kaynak değişimi ve ana makine kaynakları bu yöntemde dikkat edilmesi gereken noktalardır. İhtiyaca göre yatay ve dikey ölçekleme yöntemlerini kullanabildiği için hibrit ölçekleme en iyi yoldur ancak tahminleme olmadan arttırılacak kaynak miktraının bilinememesi gibi bazı ek yükler sebebiyle bu yöntem bile yeterince verimli değildir. Bu çalışmanın amacı, bulut üzerinde tahminleme yapabilen hibrid ölçeklendirme sistemi kurmaktır. Uzun Kısa Süreli Bellek ve Otoregresif Entegre Hareketli Ortalama tahminleme yöntemleri, VMware ve OnApp bulut platformları için uyarlanmıştır. Sistem neredeyse tüm kaynak tipleri için çalışabilecek yetkinliğe sahip olsa da testler için bellek seçilmiştir. Çalışmalar başarılı sonuçlar üretmiştir.
Özet (Çeviri)
The migration from local servers to the Cloud Data Centers has accelerated with the increasing trust of the companies to the Cloud Computing. Thanks to the virtualization technology, the service providers have started to give the Dynamic Resource Provisioning service for the fluctuating customer resource demands. At this context, keeping the resource balance between the peak hours and the off-peak hours in an efficient manner is a challenging issue for the service providers. To handle this problem, a large number of Data Centers (DC) manage their customers' resources still in a static way. A number DCs however, use horizontal scaling. Few DCs, on the other hand, use vertical or hybrid scaling. Nearly all of the methodologies mentioned above have certain drawbacks. Static management based on the peak times leads to the resource wastage at other times. Horizontal scaling may result in also wastage on some of the resource types customer may not need. Although vertical scaling is better, resizing without reboot and the resources of the host machine are important points in that way. Hybrid scaling is the best way because it uses both vertical and horizontal scaling in accordance with requirements, however, without prediction, even this method is not efficient enough due to the scaling overheads such as lack of knowledge about scaling amount. The goal of this paper is to provide predictive hybrid scaling system on cloud. Long Short-Term Memory (LSTM) and Autoregressive Integrated Moving Average (ARIMA) are used as forecasting methods on the VMware and OnApp cloud platforms. Although the system is eligible for nearly all of the resource types, memory is selected for the experiments which have promising results.
Benzer Tezler
- Enerji tüketimi tahmininde zaman serisi tabanlı algoritmaların performans analizi için üniversite kampüsü uygulaması
A university campus application for the performance analysis of time series based algorithm in energy consumption forcasting
BUĞRA KARAKOÇ
Yüksek Lisans
Türkçe
2024
EnerjiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ DURUSU
- Tam zamanında imalat sisteminin simülasyon ile analizi ve uygulanabilirliğinin etüdü
An Analysis of the just in time manufacturing system by simulation and a study for its applicability
SEMRA DURMUŞOĞLU
Doktora
Türkçe
1989
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. AYHAN TORAMAN
- Kripto para fiyatlarının Neural ODE derin öğrenme yöntemi ve zaman serisi modelleri ile karşılaştırmalı analizi
Comparative analysis of cryptocurrency prices with Neural ODE deep learning method and time series models
HÜSEYİN ENES ERKOÇAK
Doktora
Türkçe
2025
İşletmeSelçuk Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. İBRAHİM EREM ŞAHİN
DOÇ. DR. EYYÜP ENSARİ ŞAHİN
- Türkiye'de banka kredileri ile iktisadi büyüme arasındaki nedensellik ilişkisinin analizi
The analysis of causality relationship between bank credits and economic growth in Turkey
CİHAN KURT
- Fırın sensör verilerini kullanarak fotovoltaik panel üretim sürecinde zaman serisi ve LSTM yöntemi ile anomali tespiti
Anomaly detection in the photovoltaic panel production process using time series and LSTM method with furnace sensor data
YEŞİM GÖRÜR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHasan Kalyoncu ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ALİ EMRE ÖZTÜRK
DR. ERKAN KIYMIK