Un sistema operativo mobile con ottimizzazione in tempo reale (Paperback)

Paperback. Prevedere il tempo di esecuzione delle attivita di un flusso di lavoro in un ambiente cloud e fondamentale per ottimizzare l'utilizzo delle risorse e rispettare gli accordi sul livello di servizio (SLA). In questo studio proponiamo un approccio di apprendimento automatico in due fasi per la previsione del tempo di esecuzione delle attivita di un flusso di lavoro. Nella prima fase, utilizziamo un modello di classificazione delle attivita per raggrupparle in base ai tempi di esecuzione previsti (ad esempio, breve, medio, lungo). L'approccio in due fasi proposto mira a migliorare l'accuratezza delle previsioni e l'interpretabilita sfruttando sia tecniche di classificazione che di regressione. Valutiamo le prestazioni del modello utilizzando dati storici, considerando metriche quali l'accuratezza, l'errore assoluto medio e l'errore quadratico medio. Infine, discutiamo l'implementazione e il monitoraggio del modello in un ambiente cloud, sottolineandone l'adattabilita all'evoluzione dell'infrastruttura e dei modelli di carico di lavoro. Molti metodi, tra cui l'allocazione delle risorse e la pianificazione, dipendono dalla previsione delle prestazioni delle attivita del flusso di lavoro per dati di input mutevoli. D'altra parte, produrre tali stime nel cloud rappresenta una sfida. This item is printed on demand. Shipping may be from multiple locations in the US or from the UK, depending on stock availability.…