Geri Dön

Artificial intelligence assisted performance comparison of service meshes

Hizmet ağlarının yapay zeka destekli performans karşılaştırması

  1. Tez No: 877779
  2. Yazar: İPEK BENGİSU AYDEMİR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SELİN NACAKLI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 82

Özet

Zamanla uygulamalar karmaşık hale geldi, bu da uygulamaların yönetimini ve kontrolünü zorlaştırdı. Kubernetes sistemleri, monolitik mimarilerden mikro hizmetlere kademeli bir geçiş sağladı ve yönetimi kolaylaştırdı. Mikroservislerin kullanımı, çeşitli mikroservisleri verimli bir şekilde denetlemek ve kontrol etmek için bir hizmet ağının kurulmasını gerektirir, ancak hizmet ağı entegrasyonu, uygulamanın gecikmesini arttırdığı için aynı zamanda bir dezavantaja da dönüşmektedir. Bu tezin amacı, bir mikro hizmet uygulamasının en sık kullanılan iki hizmet ağı olan Linkerd ve Istio üzerindeki gecikmesini araştırmaktır. Çeşitli konfigürasyonlardaki gecikme beklentileri hakkında fikir vermek için bir web hizmeti uygulaması ve Rastgele Orman ve Gradyan Artırıcı Regresör algoritmalarını kullanarak yapay zeka entegrasyonu önerdik. Gecikme değerleri için yeni bir veri kümesi hem Linkerd hem de Istio'da az sayıda hizmet isteğiyle düşük CPU ve RAM yapılandırmalarının denenmesiyle oluşturuldu. Deneysel sonuçlar, Linkerd hizmet ağıyla oluşturulan gecikmenin daha düşük olduğunu ve Rastgele Orman yönteminin gecikme tahminleri için daha gerçekçi sonuçlar verdiğini göstermektedir. Son olarak, tüm deneysel sonuçlar yeni veri kümesine eklenmiş ve her iki hizmet ağında da yapay zeka entegre performans karşılaştırması yapılmıştır. Sonuç olarak, Istio daha karmaşık Linkerd daha hafif bir yapıya sahiptir. Ayrıca, önerilen yapay zeka entegre performans karşılaştırma sonuçlarının daha fazla sayıda toplam servis isteği içeren çeşitli ve daha yüksek CPU ve RAM yapılandırmaları için gecikme beklentilerine ilişkin fikir sağlayacağına inanıyoruz.

Özet (Çeviri)

Over time, applications have become complex, which makes management and control difficult. Kubernetes systems provided a gradual transition from monolithic architectures to microservices and facilitated management. The use of microservices requires the establishment of a service mesh to efficiently supervise and control various microservices; however, service mesh integration comes with a disadvantage, which is to increase the latency of the application. The aim of this thesis is to investigate the latency of a microservice application on the two most commonly used service meshes which are Linkerd and Istio. We proposed a web service application and integrated artificial intelligence methods by employing Random Forest and Gradient Boosting Regressor algorithms to supply latency expectations in various configurations. A novel dataset for the latency expectation was generated by experimenting low CPU and RAM configurations with a small number of service requests on both Linkerd and Istio. The experimental results show that the latency generated with the Linkerd service mesh is lower, and that Random Forest method gives more realistic results for latency predictions. Finally, all experimental results were added to the novel dataset and artificial intelligence integrated performance comparison was made on both Linkerd and Istio service meshes. All in all, Istio comes with a more complex structure and Linkerd with a lighter structure. Furthermore, we believe that the proposed AI integrated performance comparison results will provide insight into the latency expectations for various and higher CPU and RAM configurations with large number of total requests.

Benzer Tezler

  1. Derin öğrenme teknikleri kullanılarak böbrekteki fonksiyonel doku birimlerinin segmentasyonu

    Segmentation of functional tissue units in the kidney using deep learning techniques

    ARZU PARGAN TAPAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EFNAN ŞORA GÜNAL

  2. Türk popülasyonunda willems, cameriere ve nolla diş yaşı tayin yöntemlerinin yapay zeka ile doğruluğunun karşılaştırılması

    Comparison of the accuracy of willems, cameriere and nolla dental age estimation methods with artificial intelligence in Turkish population

    OĞUZHAN KARAYEL

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2024

    Adli TıpNecmettin Erbakan Üniversitesi

    Çocuk Diş Hekimliği Ana Bilim Dalı

    DOÇ. DR. HALENUR ALTAN

  3. Artificial intelligent based segmentation on medical imaging

    Medikal görüntü üzerinden yapay zeka tabanlı bölütleme

    MAHMUT AĞRALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİzmir Katip Çelebi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VOLKAN KILIÇ

  4. Design of predictive maintenance model using artificial intelligence methods

    Yapay zeka yöntemleri kullanılarak kestirimci bakım modelinin dizayn edilmesi

    BEGÜM AY TÜRE

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Ticaret Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDÜL HALİM ZAİM

    DOÇ. DR. AKHAN AKBULUT

  5. Görme engelliler için yapay zeka destekli yapay görme sistemi

    Artificial intelligence assisted artificial vision system for blind individuals

    CEM ÖZGÖNÜL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    FizyolojiHacettepe Üniversitesi

    Fizyoloji Ana Bilim Dalı

    PROF. DR. ETHEM GELİR