...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE systems journal >Unsupervised Learning of Dynamic Resource Provisioning Policies for Cloud-Hosted Multitier Web Applications
【24h】

Unsupervised Learning of Dynamic Resource Provisioning Policies for Cloud-Hosted Multitier Web Applications

机译：云托管的多层Web应用程序的动态资源供应策略的无监督学习

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Dynamic resource provisioning for Web applications allows for low operational costs while meeting service-level objectives (SLOs). However, the complexity of multitier Web applications makes it difficult to automatically provision resources for each tier without human supervision. In this paper, we introduce unsupervised machine learning methods to dynamically provision multitier Web applications, while observing user-defined performance goals. The proposed technique operates in real time and uses learning techniques to identify workload patterns from access logs, reactively identifies bottlenecks for specific workload patterns, and dynamically builds resource allocation policies for each particular workload. We demonstrate the effectiveness of the proposed approach in several experiments using synthetic workloads on the Amazon Elastic Compute Cloud (EC2) and compare it with industry-standard rule-based autoscale strategies. Our results show that the proposed techniques would enable cloud infrastructure providers or application owners to build systems that automatically manage multitier Web applications, while meeting SLOs, without any prior knowledge of the applications' resource utilization or workload patterns.
机译：Web应用程序的动态资源配置可在满足服务级别目标（SLO）的同时降低运营成本。但是，多层Web应用程序的复杂性使得很难在没有人工监督的情况下自动为每个层配置资源。在本文中，我们介绍了无监督的机器学习方法，以动态设置多层Web应用程序，同时遵守用户定义的性能目标。提出的技术是实时操作的，并使用学习技术从访问日志中识别工作负载模式，以反应方式识别特定工作负载模式的瓶颈，并针对每个特定工作负载动态构建资源分配策略。我们在几个使用Amazon Elastic Compute Cloud（EC2）上的综合工作负载的实验中证明了该方法的有效性，并将其与基于行业标准的基于规则的自动扩展策略进行了比较。我们的结果表明，所提出的技术将使云基础架构提供商或应用程序所有者能够构建系统，在满足SLO的同时自动管理多层Web应用程序，而无需事先了解应用程序的资源利用或工作负载模式。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号