Розроблення алгоритму прогнозування продуктивності хмарних сервісів
Main stages of data center service performance prediction were discussed, specifically data monitoring and gathering, calculation and prediction of key indexes and performance index prediction. It was proposed to build data center service performance prediction algorithm based on an analysis of the...
Збережено в:
| Дата: | 2018 |
|---|---|
| Автори: | , , , |
| Формат: | Стаття |
| Мова: | Англійська |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2018
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/139702 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | System research and information technologies |
Репозитарії
System research and information technologies| _version_ | 1856543359477219328 |
|---|---|
| author | Zuev, Denis O. Kropachev, Artemii V. Usov, Aleksey Ye. Gorshunov, Roman A. |
| author_facet | Zuev, Denis O. Kropachev, Artemii V. Usov, Aleksey Ye. Gorshunov, Roman A. |
| author_sort | Zuev, Denis O. |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2019-01-17T13:29:35Z |
| description | Main stages of data center service performance prediction were discussed, specifically data monitoring and gathering, calculation and prediction of key indexes and performance index prediction. It was proposed to build data center service performance prediction algorithm based on an analysis of the service transactions index, service resource occupancy index and service performance index. Prediction of the indexes is based on chaotic time series analysis that was used to estimate service transactions index time series trend, the radar chart method to calculate the service resource occupancy index value and weighted average method to calculate service performance index. For performance prediction, it is proposed to use a fuzzy judgment matrix with the service transactions index and service resource occupancy index as input values. It was taken into consideration that service transactions index is usually represented by nonlinear time series and thus the index time series parameters had to be predicted by chaos theory and for the calculation of this index, the estimation procedure of Lyapunov exponent value can be used. The radar chart demonstrates service resource occupancy index estimation of shared storage, mobile storage, memory, computational capability and network bandwidth. The prediction technique was based on the fuzzy nearness category that use input values of transactions index and dynamic changes of the service resource occupancy index. |
| first_indexed | 2025-07-17T10:24:01Z |
| format | Article |
| id | journaliasakpiua-article-139702 |
| institution | System research and information technologies |
| language | English |
| last_indexed | 2025-07-17T10:24:01Z |
| publishDate | 2018 |
| publisher | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| record_format | ojs |
| spelling | journaliasakpiua-article-1397022019-01-17T13:29:35Z Development of the performance prediction algorithms for cloud services Разработка алгоритма прогнозирования производительности облачных сервисов Розроблення алгоритму прогнозування продуктивності хмарних сервісів Zuev, Denis O. Kropachev, Artemii V. Usov, Aleksey Ye. Gorshunov, Roman A. data center service transactions index service resource occupancy index service performance index fuzzy judgment matrix Lyapunov exponent radar chart центр обработки данных коэффициент транзакции коэффициент использования машинных ресурсов коэффициент производительности сервиса матрица нечетких суждений экспонента Ляпунова радарная диаграмма центр обробки даних коефіцієнт транзакції коефіцієнт використання машинних ресурсів коефіцієнт продуктивності сервісу матриця нечітких суджень експонента Ляпунова радарна діаграма Main stages of data center service performance prediction were discussed, specifically data monitoring and gathering, calculation and prediction of key indexes and performance index prediction. It was proposed to build data center service performance prediction algorithm based on an analysis of the service transactions index, service resource occupancy index and service performance index. Prediction of the indexes is based on chaotic time series analysis that was used to estimate service transactions index time series trend, the radar chart method to calculate the service resource occupancy index value and weighted average method to calculate service performance index. For performance prediction, it is proposed to use a fuzzy judgment matrix with the service transactions index and service resource occupancy index as input values. It was taken into consideration that service transactions index is usually represented by nonlinear time series and thus the index time series parameters had to be predicted by chaos theory and for the calculation of this index, the estimation procedure of Lyapunov exponent value can be used. The radar chart demonstrates service resource occupancy index estimation of shared storage, mobile storage, memory, computational capability and network bandwidth. The prediction technique was based on the fuzzy nearness category that use input values of transactions index and dynamic changes of the service resource occupancy index. Проведен анализ основных этапов прогнозирования эффективности обслуживания центров обработки данных, в частности мониторинга и сбора данных, расчета и прогнозирования ключевых аспектов и прогнозирование коэффициентов производительности. Предложено построение алгоритма прогнозирования эффективности обслуживания центра обработки данных на основе анализа коэффициента транзакции, коэффициента использования машинных ресурсов и коэффициента производительности сервиса. Прогнозирование коэффициентов основано на анализе временных рядов, который использовался для оценки временных рядов коэффициента транзакций, метода радар-диаграммы для расчета значения коэффициента использования машинных ресурсов и средневзвешенного метода оценки для расчета коэффициента производительности сервиса. Для прогнозирования производительности предлагается использовать матрицу нечетких суждений с коэффициентом транзакций и коэффициентом занятости ресурса службы в качестве входных значений. Указано, что коэффициент служебных операций обычно представлен нелинейными временными рядами, и, следовательно, параметры временного ряда коэффициента должны быть предсказаны теорией хаоса, а значит для расчета этого коэффициента может быть использована процедура расчета экспоненты Ляпунова. Радарная диаграмма демонстрирует оценку коэффициента использования машинных ресурсов для общего хранилища данных, мобильных хранилищ, памяти, вычислительных возможностей и пропускной способности сети. Метод прогнозирования основывался на категории нечетких приближений, которые используют входные значения коэффициента транзакций и динамические изменения коэффициента использования машинных ресурсов. Виконано аналіз основних етапів прогнозування ефективності обслуговування центрів оброблення даних, зокрема моніторингу і збирання даних, розрахунку і прогнозу ключових аспектів та прогнозування коефіцієнтів продуктивності. Запропоновано побудову алгоритму прогнозування ефективності обслуговування центру оброблення даних на основі аналізу коефіцієнта транзакції, коефіцієнта використання машинних ресурсів і коефіцієнта продуктивності сервісу. Прогнозування коефіцієнтів ґрунтується на аналізі часових рядів, що використовувався для оцінювання часових рядів коефіцієнта транзакцій, методу радар-діаграми для розрахунку значення коефіцієнта застосування машинних ресурсів і середньозваженого методу оцінювання для розрахунку коефіцієнта продуктивності сервісу. Для прогнозування продуктивності запропоновано використати матрицю нечітких суджень з коефіцієнтом транзакцій і коефіцієнтом зайнятості ресурсу служби як вхідних значень. Указано, що коефіцієнт службових операцій подається нелінійними часовими рядами, і, отже, параметри часового ряду коефіцієнта мають бути передбачені теорією хаосу, а тому для розрахунку цього коефіцієнта можна застосувати процедуру розрахунку експоненти Ляпунова. Радарна діаграма демонструє оцінку коефіцієнта використання машинних ресурсів для загального сховища даних, мобільних сховищ, пам’яті обчислювальних можливостей і пропускної здатності мережі. Метод прогнозування ґрунтується на категорії нечітких наближень з використанням вхідних значень коефіцієнта транзакцій і динамічних змін коефіцієнта застосування машинних ресурсів. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2018-06-20 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/139702 10.20535/SRIT.2308-8893.2018.2.01 System research and information technologies; No. 2 (2018); 7-14 Системные исследования и информационные технологии; № 2 (2018); 7-14 Системні дослідження та інформаційні технології; № 2 (2018); 7-14 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/139702/136682 Copyright (c) 2021 System research and information technologies |
| spellingShingle | центр обробки даних коефіцієнт транзакції коефіцієнт використання машинних ресурсів коефіцієнт продуктивності сервісу матриця нечітких суджень експонента Ляпунова радарна діаграма Zuev, Denis O. Kropachev, Artemii V. Usov, Aleksey Ye. Gorshunov, Roman A. Розроблення алгоритму прогнозування продуктивності хмарних сервісів |
| title | Розроблення алгоритму прогнозування продуктивності хмарних сервісів |
| title_alt | Development of the performance prediction algorithms for cloud services Разработка алгоритма прогнозирования производительности облачных сервисов |
| title_full | Розроблення алгоритму прогнозування продуктивності хмарних сервісів |
| title_fullStr | Розроблення алгоритму прогнозування продуктивності хмарних сервісів |
| title_full_unstemmed | Розроблення алгоритму прогнозування продуктивності хмарних сервісів |
| title_short | Розроблення алгоритму прогнозування продуктивності хмарних сервісів |
| title_sort | розроблення алгоритму прогнозування продуктивності хмарних сервісів |
| topic | центр обробки даних коефіцієнт транзакції коефіцієнт використання машинних ресурсів коефіцієнт продуктивності сервісу матриця нечітких суджень експонента Ляпунова радарна діаграма |
| topic_facet | data center service transactions index service resource occupancy index service performance index fuzzy judgment matrix Lyapunov exponent radar chart центр обработки данных коэффициент транзакции коэффициент использования машинных ресурсов коэффициент производительности сервиса матрица нечетких суждений экспонента Ляпунова радарная диаграмма центр обробки даних коефіцієнт транзакції коефіцієнт використання машинних ресурсів коефіцієнт продуктивності сервісу матриця нечітких суджень експонента Ляпунова радарна діаграма |
| url | http://journal.iasa.kpi.ua/article/view/139702 |
| work_keys_str_mv | AT zuevdeniso developmentoftheperformancepredictionalgorithmsforcloudservices AT kropachevartemiiv developmentoftheperformancepredictionalgorithmsforcloudservices AT usovalekseyye developmentoftheperformancepredictionalgorithmsforcloudservices AT gorshunovromana developmentoftheperformancepredictionalgorithmsforcloudservices AT zuevdeniso razrabotkaalgoritmaprognozirovaniâproizvoditelʹnostioblačnyhservisov AT kropachevartemiiv razrabotkaalgoritmaprognozirovaniâproizvoditelʹnostioblačnyhservisov AT usovalekseyye razrabotkaalgoritmaprognozirovaniâproizvoditelʹnostioblačnyhservisov AT gorshunovromana razrabotkaalgoritmaprognozirovaniâproizvoditelʹnostioblačnyhservisov AT zuevdeniso rozroblennâalgoritmuprognozuvannâproduktivnostíhmarnihservísív AT kropachevartemiiv rozroblennâalgoritmuprognozuvannâproduktivnostíhmarnihservísív AT usovalekseyye rozroblennâalgoritmuprognozuvannâproduktivnostíhmarnihservísív AT gorshunovromana rozroblennâalgoritmuprognozuvannâproduktivnostíhmarnihservísív |