文献

J-GLOBAL ID：202202282037160688   整理番号：22A1062635

クラウドネイティブアプリケーションにおける機械学習ベースの干渉モデリング【JST・京大機械翻訳】

Machine Learning based Interference Modelling in Cloud-Native Applications

著者 (3件)： Baluta Alexandru (York University, Toronto, ON, Canada) ,  Mukherjee Joydeep (California Polytechnic State University, San Luis Obispo, CA, USA) ,  Litoiu Marin (York University, Toronto, ON, Canada)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICPE ’22  ページ： 125-132  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： クラウドネイティブアプリケーションはしばしば軽量コンテナで構成され,マイクロサービスアーキテクチャに適合する。クラウドプロバイダはコンテナホストと調整のためのプラットフォームを提供する。これらのプラットフォームは,運用タスクがプラットフォームに委任されるので,アプリケーション所有者から要求されるサポートのレベルを低減する。さらに,異なるアプリケーションに属するコンテナを,資源をより効率的に利用するために,同じ仮想マシンに共配置できる。基本的な共有資源とその結果としての潜在的性能干渉があるならば,仮想マシンを共有する前の干渉のレベルを予測することは,望ましくない性能劣化を避けることができる。クラウドネイティブマイクロサービスのための軽量性能干渉モデリング技術を提案した。この技法は,応答時間予測のためのMLモデルを構築して,スライディングウィンドウ法の使用を通して,実行時間条件の変化について動的に説明することができる。著者らは,AWS EC2に関する現実的なマイクロサービスに対して著者らの技術を評価した。本技法は,MAPEのベースラインと競合技術を少なくとも1.45%,そして,ほとんどの92.04%で凌駕する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *干渉 ,  コンテナ ,  サービス ,  資源 ,  配置 ,  *モデリング ,  *応用プログラム ,  モデル ,  仮想機械システム ,  計算機アーキテクチャ ,  *機械学習 ,  プラットフォーム【通信】
準シソーラス用語： ISP【インターネット】 ,  実行時間 ,  スライディングウィンドウ , 【Automatic Indexing@JST】

著者キーワード (4件)： クラウドコンピューティング ,  干渉 ,  機械学習 ,  マイクロサービス

分類 (3件)： 計算機網  (JC03000K) ,  通信網  (ND07030A) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (3件)： 機械学習 ,  干渉 ,  モデリング