抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
グリーンコンピューティングと低コストの必要性のために,エッジと霧コンピューティングのような新しいパラダイムとボランティアクラウドが最近導入された。一般的に,ボランティアクラウドモデルは,グローバルに分散したボランティア,高度に不均一,および非専用の機械をターゲットとしている。資源不均一性の固有の高い程度は,信頼できないおよび揮発性のボランティアホストにおけるハードウェアとソフトウェアの故障および構成故障のレベルを変化させる。結果として,展開されたタスクの性能は有害に影響され,特にスケジューリングアルゴリズムの場合に重要な課題である。信頼性評価のために使用されている評判モデルの大部分は,要求される全タスクに対して成功裏に完了したタスクの比率を用いるだけで,ホストマシンの信頼性を評価するだけである。これらのモデルは,資源の利用と仕事の行動や特性(例えば仕事の優先度)の日常的あるいは週毎のパターンを考慮していない。したがって,これらの資源に関して実行するタスクの性能は,完全になるまで実質的な時間を要するかもしれない。したがって,高度に不均一で分散した雲環境における資源の効果的で効率的な管理のために,ホスト機械の信頼性を積極的に考慮する必要がある。これらの課題に取り組むために,本論文は,評判と呼ばれる資源ベースの信頼性モデルを提案した。リモートは,タスク故障率や資源利用などの他の計量に加えて,タスクやホストマシンの履歴データを利用して,ホストマシンの信頼性を予測する知的機械学習ベースのモデルである。ReMotsアプローチを検証するために,研究者はGoogle社によって利用可能な実世界応用の大規模利用トレースを利用した。結果は,遠隔地が既存のモデルより正確な信頼性推定を得て,作業負荷変動に動的に適応することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】