A Dynamic Bandwidth Prediction and Provisioning Scheme in Cloud Networks
Notice bibliographique
Résumé
Effective resource provisioning for collocated cloud applications each with unique traffic patterns is a challenging task. Furthermore, resource requirements cannot be adequately determined a priori to deployment while traffic generated and received during application communication lifecycles is subject to fluctuations that exacerbate provisioning. Given this volatility, we analyzed traces from production cloud infrastructure mindful of the nonstationarity that presents challenges to Quality of Service (QoS) provisioning. Henceforth we developed a forecasting model that enables current predictive solutions widely applied in the cloud to adapt to a range of diverse operating conditions often observable as time-of-day load surges, traffic bursts and flash crowds resulting from sudden website popularity. We foster robustness in current methods by augmentation with a class of estimators adaptable to traffic volatility while providing a tradeoff between complexity and performance. The developed forecasting model avails itself of the Auto-Regressive Integrated Moving Average (ARIMA) model enhanced by a general class of Adaptive Conditional Score Models (ACS). The latter is able to adapt efficiently to load fluctuations observed variously as time-of-day traffic surges, flash-crowds and DoS episodes. The model offers between 10 & 15 % improved accuracy over existing models. We have realized a novel algorithm which has been adapted as a rate based solution applicable at integral points in the cloud network. The analysis and experimentation with our methods suggest a 25% reduction in Average Flow Completion Time (AFCT) when compared with current rate based methods of XCP & RCP while offering a 60% reduction in comparison to TCP.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».