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。
クラウドコンピューティング(CC)は,複数の仮想インフラストラクチャを提供するための成長技術である。今日,それは必要なようにユーザにアクセスできる資源の動力学スケーリングを提供している。動的資源配分は,仮想マシンの助けを借りて,時間制約なしでユーザによって必要とされる様々なサービスにコンピューティング資源を割り当てることを意味する。それは需要ベースの資源配分としても知られている。動的資源割当法において,ユーザの数は計算資源を遠隔的に要求する。したがって,資源は仮想機械オンデマンドベースに割り当てられる。ここでは,ストリーミングデータを用いることにより,特徴予測が重要な部分である。従って,両プロセスは本研究に集中した。結果として,ハイブリッド粒子群最適化と修正遺伝的アルゴリズム(HPSO-MGA)のハイブリッド化を提案した。これらは,VMsにおける散乱タスクまたは要求により動的に資源を割り当てるための全プロセスを作成するために開発され,ルール生成プロセスを用いて,特徴結果も予測した。プロセスは,オンラインを通して様々な資源からデータを得ることによって,ユーザまたは消費者から始まる。これらのデータはタスク管理者に与えられる。タスク管理者から,タスクのCostのようなパラメータ,Speed,データのサイズ,および重みなどを抽出することができる。同様に,CPU利用,メモリ利用,処理速度,およびプロセスサイクル,帯域幅,要求の数,VM上の負荷,クラウドストレージからのディスク空間のようなシステム資源の詳細を抽出することができた。ここでは,ハイブリッド粒子群最適化と修正遺伝的アルゴリズム(HPSO-MGA)を用いて,資源を動的に割り当てるために必要な処理時間を減少させることにより,要求される特徴を選択した。すべての特徴から,必要な特徴だけが使用される。したがって,資源配分に要する時間は減少し,精度は低くなる。したがって,著者らの提案したハイブリッド粒子群最適化と修正遺伝的アルゴリズム(HPSO-MGA)は実行時間を減らして,資源配分の性能を増加させる。提案したRA方法論は,既存の方法と比較して,より良い性能を示した。Copyright 2020 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】