Đăng nhập để tải tài liệu không giới hạn
Tham gia 8.000+ người dùng Thư Viện Luận Án
Đang tải tài liệu...
HƯỚNG TIẾP CẬN SWOT CHO CÂN BẰNG TẢI TRÊN ĐIỆN TOÁN ĐÁM MÂY
Hệ thống thông tin
Luận án tập trung vào việc cải thiện hiệu năng cân bằng tải trên điện toán đám mây, một thách thức lớn trong bối cảnh sự phát triển nhanh chóng của các ứng dụng cloud. Với ý tưởng từ cách tiếp cận SWOT (điểm mạnh, điểm yếu, cơ hội, nguy cơ), nghiên cứu này phân tích cân bằng tải thông qua hai hướng chính: bên trong và bên ngoài. Hướng tiếp cận bên trong tập trung vào các thuật toán cân bằng tải và các yếu tố nội tại như thời gian phản hồi, thông lượng, trong khi hướng bên ngoài xem xét các yếu tố như hành vi người dùng, cấu trúc mạng và môi trường địa lý. Mục tiêu của luận án là đề xuất và xây dựng các phương pháp nâng cao hiệu năng cân bằng tải bằng cách ứng dụng và phát triển các thuật toán học máy cùng khai phá dữ liệu để xử lý và phân tích dữ liệu cân bằng tải.
Nghiên cứu đề xuất tổng cộng sáu thuật toán cân bằng tải mới. Từ hướng tiếp cận bên trong, luận án giới thiệu bốn thuật toán: MCCVA (kết hợp SVM và k-Means), APRTA (sử dụng ARIMA để dự báo thời gian đáp ứng), RCBA (kết hợp Naïve Bayes và k-Means) và ITA (thuật toán Throttled cải tiến). Đối với hướng tiếp cận bên ngoài, luận án đề xuất hai thuật toán: PDOA (dự báo deadlock để nâng cao khả năng cân bằng tải) và k-CTPA (phân bổ tác vụ dựa trên độ ưu tiên hành vi người dùng sử dụng k-NN). Các thuật toán này được triển khai và đánh giá thực nghiệm trên môi trường mô phỏng CloudSim, sử dụng các thông số như thời gian đáp ứng và speedup. Kết quả mô phỏng cho thấy hiệu quả của các thuật toán dự đoán học máy được đề xuất trong việc cải thiện đáng kể hiệu năng cân bằng tải trên đám mây, với khả năng phân bổ tải ổn định và hợp lý hơn so với các thuật toán truyền thống.
Tải không giới hạn tất cả tài liệu, không cần chờ. Chỉ từ 199.000đ/tháng.
Xem gói hội viên