Artificial intelligence assisted performance comparison of service meshes
Hizmet ağlarının yapay zeka destekli performans karşılaştırması
- Tez No: 877779
- Danışmanlar: DR. ÖĞR. ÜYESİ SELİN NACAKLI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Acil servis triyajında yapay zekâ kullanımı: Hasta yönlendirme doğruluğunun değerlendirilmesi
The use of artificial intelligence in emergency department triage: Evaluation of patient routing accuracy
ZÜLKÜF SERGEN ÜNLÜ
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EFNAN ŞORA GÜNAL
- 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
2024
Adli TıpNecmettin Erbakan ÜniversitesiÇocuk Diş Hekimliği Ana Bilim Dalı
DOÇ. DR. HALENUR ALTAN
- Doğal dil ile SQL ve görselleştirme koduna dönüşümde büyük dil modellerinin karşılaştırmalı analizi
Comparative analysis of large language models for natural language to SQL and visualization code generation
BAYKAL MEHMET UÇAR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. SEFER BADAY
- Gelecek nesil kablosuz ağlarda cihazdan cihaza haberleşme için yapay zeka destekli röle tespiti
Artificial intelligence assisted relay dedection for device-to-device communication in future generation wireless networks
MUHARREM SIRMA
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADNAN KAVAK