Un systme d'exploitation mobile optimisation en temps rel (Paperback)

Paperback. La prevision du temps d'execution des taches d'un workflow dans un environnement cloud est essentielle pour optimiser l'utilisation des ressources et respecter les accords de niveau de service (SLA). Dans cette etude, nous proposons une approche d'apprentissage automatique en deux etapes pour la prevision du temps d'execution des taches d'un workflow. Au cours de la premiere etape, nous utilisons un modele de classification des taches pour regrouper celles-ci en fonction de leurs durees d'execution prevues (par exemple: courte, moyenne, longue). L'approche en deux etapes proposee vise a ameliorer la precision et l'interpretabilite des predictions en exploitant a la fois des techniques de classification et de regression. Nous evaluons les performances du modele a l'aide de donnees historiques, en tenant compte de mesures telles que la precision, l'erreur absolue moyenne et l'erreur quadratique moyenne. Enfin, nous abordons le deploiement et la surveillance du modele dans un environnement cloud, en soulignant son adaptabilite a une infrastructure et a des modeles de charge de travail en constante evolution. De nombreuses methodes, notamment l'allocation des ressources et l'ordonnancement, dependent de la prediction des performances des activites du flux de travail pour des donnees d'entree variables. En revanche, produire de telles estimations dans le cloud represente un veritable defi. This item is printed on demand. Shipping may be from multiple locations in the US or from the UK, depending on stock availability.…