Efficient scaling with machine learning on cloud environment
Bulut ortamında makine öğrenimi ile verimli ölçeklendirme
- Tez No: 783916
- Danışmanlar: PROF. DR. MEHMET FATİH AKAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Makine Öğrenmesi, Bulut Bilişim, Ölçeklendirme, Kubernetes, Kaynak Yönetimi, Bulut Maliyeti, Machine Learning, Cloud Computing, Scaling, Kubernetes, Resource Management, Cloud Cost
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Bulut ortamlarında yapılan ölçeklendirme, sistemin maliyet ve verimliliğini önemli ölçüde etkileyebilir. Kapasiteyi düzgün şekilde planlamak için, ölçeklendirme boyutuna göre hesaplamalar yapılır. Uygulamalar genellikle yüksek hizmet kalitesi (QoS) sağlamak için çekirdekler, bellek ve ağ gibi kaynakları rezerve eder ve kaynak sınırlarına yaklaşıldığında, uygulamanın birden fazla kopyasını çalıştırarak sistem güvenilirliğini arttıran bir şekilde ölçeklendirilir. Bu çalışma, makine öğrenimi kullanarak yüksek QoS'u koruma amacıyla kaynakları daha verimli bir şekilde rezerve etmeyi amaçlamaktadır. Geleneksel yöntemler, uygulamanın ihtiyaç duyduğu kaynakları rezerve eder ve kaynak kullanımı belirli bir seviyeye ulaştığında uygulamayı ölçeklendirir. Ancak, bu çalışmada uygulanan yöntem, gelen trafiği tahmin eder ve bu tahmine göre uygulamaları ölçeklendirir, Bu sayede sabit eşik değerine göre ölçeklendirme yapıldığında daha verimli bir performans elde edilir. Çalışmanın sonuçları, makine öğrenimi temelinde oluşturulan ölçeklendirme sisteminin mevcut olarak kullanılan statik ölçeklendirme yöntemlerine göre maliyet ve kaynak ayrılması performansı açısından daha verimli çalıştığını göstermiştir.
Özet (Çeviri)
Scaling in cloud environments can significantly affect the cost and efficiency of a system. In order to properly plan capacity, calculations are often made based on scaling size. Applications typically reserve resources such as cores, memory, and network in order to maintain high quality of service (QoS). When resource limits are approached, the application is scaled by running multiple copies in order to ensure system reliability under increasing traffic. This study aims to more efficiently reserve resources in order to maintain high QoS through the use of machine learning. Traditional methods reserve resources for an application and scale the application when resource usage reaches a certain threshold. However, the method implemented in this study estimates incoming traffic and scales applications based on this estimation, resulting in more efficient performance compared to using a fixed threshold value. The results of the study showed that the scaling system created based on machine learning performs more efficiently in terms of cost and resource allocation compared to the currently used static scaling methods.
Benzer Tezler
- Veri güdümlü dijital ikiz modeli ile freze takım tezgahı takım aşınma tahminlemesi ve kesme parametreleri optimizasyonu
Prediction of tool wear and cutting parameter optimization of milling machine tool with data-driven digital twin model
GİZEM BURUN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- İç Anadolu bölgesi için güneye bakan eğimli yüzeye gelen günlük global, direkt ve difüz radyasyonun hesaplanması
Estimation of global, diffuse and beam radiation on the south oriented tilted surfaces for the region 'İç Anadolu' in Turkey
DİLEK YENİSEY
Yüksek Lisans
Türkçe
2015
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE SEMA TOPÇU
- Solar energy power prediction system baseb on machine learning approaches
Makine öğrenme yaklaşımlarına dayalı güneş enerjisi gücü tahmin sistemi
MOHAMMED HIKMAT MUMTAZ AL-BAZI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. SEFER KURNAZ
- A new and efficient method for synthetic data generation with generative adversarial networks
Çekişmeli üretici ağ kullanilarak sentetik data üretmede yeni ve verimli bir metod
OKAN DÜZYEL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KUNTALP
- Antenna design for breast cancer detection and machine learning approach for birth weight prediction
Meme kanseri tespiti için anten tasarımı ve doğum ağırlığı tahmini için makine öğrenmesi yaklaşımı
HALUK KIRKGÖZ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR KURT