Geri Dön

Efficient scaling with machine learning on cloud environment

Bulut ortamında makine öğrenimi ile verimli ölçeklendirme

  1. Tez No: 783916
  2. Yazar: ANIL KUŞÇU
  3. Danışmanlar: PROF. DR. MEHMET FATİH AKAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Makine Öğrenmesi, Bulut Bilişim, Ölçeklendirme, Kubernetes, Kaynak Yönetimi, Bulut Maliyeti, Machine Learning, Cloud Computing, Scaling, Kubernetes, Resource Management, Cloud Cost
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  2. 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

    Türkçe

    2015

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE SEMA TOPÇU

  3. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. SEFER KURNAZ

  4. 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

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET KUNTALP

  5. 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

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ONUR KURT