Primjena strojnog učenja u optimizaciji operativnog troška usluga u računalnom oblaku

diplomski rad

• Naslov (engleski): Using machine learning in optimization of cloud services cost
• Autor: Antonio Zemunik
• Mentor: Damir Seršić (mentor)
• Član povjerenstva: Damir Seršić (predsjednik povjerenstva)
• Član povjerenstva: Mladen Vučić (član povjerenstva)
• Član povjerenstva: Ana Sović Kržić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2015-07-07, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Računarstvo u oblaku označava model koji omogućava mrežni zahtjev za dijeljenim računalnim resursima. Cilj ovog rada je primjenom strojnog učenja i simulacija temeljenih na zadanom modelu usluge dobiti jasniju sliku o utjecaju pojedinih parametara aplikacijske usluge i okruženja računalnog oblaka, u koji je smještena, na trošak izvođenja i ponašanje aplikacije. Uz to se primjenom regresijskih modela želi ostvariti mogućnost predviđanja ukupnog troška na temelju ulaznih značajki čime bi odluka o konfiguraciji okoline računalnog oblaka bila znatno olakšana. Unutar CloudSim simulatora, korištenog u projektu, implementirana su dva naplatna modela specifična za paradigmu računarstva u oblaku. Korištena su tri algoritma dodjele resursa virtualne jedinice: vremenska dodjela, prostorna dodjela i vremenska dodjela s automatskim skaliranjem. Simulacije aplikacijskih usluga smještenih u računalni oblak prate dvije izlazne varijable: trošak izvođenja i vrijeme odziva usluge. Navedene simulacije čine ulazne podatke za linearnu i polinomijalnu regresiju. Po pitanju troška, modeli linearne regresije pokazali su da najveći utjecaj imaju cijene resursa koje postavlja pružatelj usluge. Što se tiče vremenskog odziva, najvažniju ulogu ima korisničko ponašanje, odnosno broj korisničkih zahtjeva i vremenski intervali među njima.

Sažetak (engleski)

Cloud computing is a paradigm that enables network access to a shared pool of configurable computing resources. The goal of the project is to identify the impact of parameters, related to the application and the cloud environment, where it will be deployed, on the cost and behavior of cloud-based service using machine learning and simulations based on defined service models. Also, regression models may enable the ability to predict service execution cost based on input features. Such prediction would make the decision about the service cloud deployment environment much easier. Two pricing methods, specific to cloud computing paradigm, were implemented within CloudSim, the simulator used in this project. Three schedulers are used for allocation of virtual machines resources: time-shared, space-shared and time-shared with autoscaling. The research uses simulations of cloud-based application services with two output variables: service cost and response time. These simulations make inputs for linear and polynomial regression. Linear regression models showed that prices of resources, set by the service provider, have the major impact on service cost. On the other hand, user behavior, which consists of number of user requests and time intervals between them, has the most important role in determination value of response time variable.

• Ključne riječi: računarstvo u oblaku; strojno učenje; linearna regresija; polinomijalna regresija; trošak aplikacijske usluge; vrijeme odziva; naplatni model
• Ključne riječi (engleski): cloud computing; machine learning; linear regression; polynomial regression; application service cost; response time; pricing model
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:442542
• Studijski program: Naziv: Informacijska i komunikacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (mag. ing. inf. et comm. techn.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2018-02-06 14:32:37