A Recommender for Resource Allocation in Compute Clouds Using Genetic Algorithms and SVR
A alocação de recursos em Cloud Computing tem sido feita de forma reativa, dificultando as garantias de serviço e gerando cobrança desnecessária de recursos ociosos. Para mitigar esses problemas, este trabalho propõe e avalia uma abordagem preditiva de alocação de recursos, implementada como um Recomendador de Configuração, baseada em Regressão de Vetores de Suporte (SVR) e Algoritmos Genéticos (AG). Essa combinação é usada para estimar o tempo de execução do aplicativo e recomenda uma configuração viável e válida de recursos na nuvem, quanto ao tempo de execução e custos. Como um estudo de caso, são escolhidos aplicativos de aprendizado de máquina baseados na ferramenta Weka. Os resultados mostram que os tempos previstos estiveram muito próximos dos reais, conseguindo uma estimativa eficiente de tempo e custo e suas consequentes reduções.
A Recommender for Resource Allocation in Compute Clouds Using Genetic Algorithms and SVR
-
DOI: 10.22533/at.ed.0142103052
-
Palavras-chave: Redes de computadores, virtualização de plataformas, serviços da Web, algoritmos genéticos, modelos preditivos.
-
Keywords: Computer networks, Platform virtualization, Web services, Genetic algorithms, Predictive models.
-
Abstract:
Resource allocation in Cloud Computing has been done reactively, hindering service guarantees and generating unnecessary charging of idle resources. In order to mitigate these problems, this work proposes and evaluates a predictive resource allocation approach, implemented as a Configuration Recommender, based on Support Vector Regression (SVR) and Genetic Algorithms (GA). This combination is used to estimate application runtime and recommends a viable and valid confi- guration of resources in the cloud, regarding execution time and monetary costs. As a case study, machine learning applications based on the Weka tool are chosen. The results show that predicted times were very close to actual ones, achieving an efficient estimation of time and cost and their consequent reduction.
-
Número de páginas: 8
- Mário Antonio Meireles Teixeira
- João Dallyson Sousa de Almeida
- Anselmo Cardoso de Paiva
- Thiago Nelson Faria dos Reis
