Notice bibliographique
Résumé
The focus of this thesis is solving the problem of resource allocation in cloud datacenter using an Infrastructure-as-a-Service (IaaS) cloud model. We have investigated the behavior of IaaS cloud datacenters through detailed analytical and simulation models that model linear, transitional and saturated operation regimes. We have obtained accurate performance metrics such as task blocking probability, total delay, utilization and energy consumption. Our results show that the offered load does not offer complete characterization of datacenter operation; therefore, in our evaluations, we have considered the impact of task arrival rate and task service time separately. To keep the cloud system in the linear operation regime, we have proposed several dynamic algorithms to control the admission of incoming tasks. In our first solution, task admission is based on task blocking probability and predefined thresholds for task arrival rate. The algorithms in our second solution are based on full rate task acceptance threshold and filtering coefficient. Our results confirm that the proposed task admission mechanisms are capable of maintaining the stability of cloud system under a wide range of input parameter values. Finally, we have developed resource allocation solutions for mobile clouds in which offloading requests from a mobile device can lead to forking of new tasks in on-demand manner. To address this problem, we have proposed two flexible resource allocation mechanisms with different prioritization: one in which forked tasks are given full priority over newly arrived ones, and another in which a threshold is established to control the priority. Our results demonstrate that threshold-based priority scheme presents better system performance than the full priority scheme. Our proposed solution for clouds with mobile users can be also applied in other clouds which their users’ applications fork new tasks.
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 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,002 | 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 ».