文献

J-GLOBAL ID：201902290753942903   整理番号：19A1765251

RLPAS:クラウド環境における資源提供のための強化学習ベースの前向き自動スケーラ【JST・京大機械翻訳】

RLPAS: Reinforcement Learning-based Proactive Auto-Scaler for Resource Provisioning in Cloud Environment

著者 (2件)： Bibal Benifa J. V. (Department of Computer Science and Engineering, Anna University Regional Campus, Tirunelveli, India) ,  Dejey D. (Department of Computer Science and Engineering, Anna University Regional Campus, Tirunelveli, India)
資料名： Mobile Networks and Applications  (Mobile Networks and Applications)
巻： 24  号： 4  ページ： 1348-1363  発行年： 2019年 
JST資料番号： W1753A  ISSN： 1383-469X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 公共クラウドシステムは,需要に関する計算資源を提供するために,インフラストラクチャ(IaaS)を提供する。クラウド環境の資源要求は,到着作業負荷の動的性質のため常に変動し,そして,従来の反応性スケーリング技術は,この問題を扱うために使用される。自動化された資源供給は,需要に関する資源を提供することによって,作業負荷変動を扱うための効果的な方法論である。単純な反応性アプローチは,コストを実質的に増加させる資源を過剰供給することにより,弾性システムの性能に影響を及ぼすが,供給不足は飢餓をもたらす。知的資源供給機構は,環境を動的に学習することにより,必要な資源を割り当てることにより,記述された問題を克服する。本論文において,RLPAs(強化学習に基づくProactive Auto-Scaler)アルゴリズムを提案して,それは,並列に環境を学習して,資源を割り当てる既存の強化学習(RL)-SARSAアルゴリズムに基づいた。RLPAsアルゴリズムの性能は実際の作業負荷を用いて検証され,それはCPU利用,応答時間およびスループットに関して既存の自動スケーリング手法より優れている。さらに,それはまた,最適な時間ステップで収束して,広範囲の実際のクラウド応用のために実行可能であることを証明した。Copyright 2018 Springer Science+Business Media, LLC, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 応答時間 ,  自動化 ,  インフラストラクチャー ,  反応性 ,  アルゴリズム ,  *強化学習 ,  スループット ,  弾性系
準シソーラス用語： 仮想化 ,  時間ステップ ,  IaaS ,  計算資源 , 【Automatic Indexing@JST】

著者キーワード (4件)： 自己スケーリング ,  仮想化 ,  強化学習 ,  SARSA

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： クラウド環境 ,  資源 ,  強化学習