文献

J-GLOBAL ID：201602208344568216   整理番号：16A0260845

動作検証可能な機械学習を用いたサーバリソース割り当て手法の検討

Debuggable reinforcement learning for server resource management

著者 (4件)： 水谷后宏 (NTT 未来ねっと研) ,  井上武 (NTT 未来ねっと研) ,  間野暢 (NTT 未来ねっと研) ,  明石修 (NTT 未来ねっと研)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 115  号： 409(ICM2015 26-40)  ページ： 31-36  発行年： 2016年01月14日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ネットワーク仮想化技術やネットワーク機能のソフト化が進むにつれ,汎用サーバを用いたネットワーキングが注目を浴びるようになった。汎用サーバ上の仮想マシンにて,様々なネットワーク機能を実現することで,ネットワーク機器への設備投資を削減できるだけでなく,マイグレーション機能を用いることで,機能拡張が容易になると考えられている。こうした利点がある一方,仮想環境ではその性能が保証されていないため,各仮想マシンに割り当てられるリソースに応じて,どの程度の性能が出るか未知数となっている。また,既存手法の多くは,性能改善のみに着目することが多く,性能改善に至った経緯や性能を大きく低下させる要因等を検証することは困難であった。本論文では,動作検証可能な機械学習を用いて,仮想マシンの状態に応じた性能改善を達成するリソース割り当て手法を提案する。当機械学習は,学習内部にて,リソース割り当てよって変化する仮想マシンの性能をコンパクトなマルコフ遷移を用いて表現しているため,性能改善に至った経緯や,性能を大きく低下させる要因,学習の収束具合等を容易に検証することが可能となっている。(著者抄録)

シソーラス用語： *機械学習 ,  *資源割付 ,  *計算機システム ,  仮想機械システム ,  改良 ,  強化学習 ,  実験 ,  *サーバ【計算機】 ,  ネットワーク仮想化 ,  数値実験
準シソーラス用語： *リソース割当 ,  仮想マシン ,  性能改善

分類 (3件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (5件)： 動作検証 ,  機械学習 ,  サーバ ,  リソース割り当て ,  手法