Combinação de modelos de previsão de séries temporais por meio de otimização multiobjetivo para alocação eficiente de recursos na nuvem (2016)
- Authors:
- Autor USP: MESSIAS, VALTER ROGÉRIO - ICMC
- Unidade: ICMC
- Sigla do Departamento: SSC
- Subjects: ANÁLISE DE SÉRIES TEMPORAIS; COMPUTAÇÃO EM NUVEM; OTIMIZAÇÃO MATEMÁTICA
- Keywords: Cloud computing; Elasticidade; Elasticity; Multi-objective optimization; Otimização multiobjetivo; Time series prediction models
- Language: Português
- Abstract: Em um ambiente de computação em nuvem, as empresas têm a capacidade de alocar recursos de acordo com a demanda. No entanto, há um atraso que pode levar alguns minutos entre o pedido de um novo recurso e o mesmo estar pronto para uso. Por esse motivo, as técnicas reativas, que solicitam um novo recurso apenas quando o sistema atinge um determinado limiar de carga, não adequadas para o processo de alocação de recursos. Para resolver esse problema, é necessário prever as requisições que chegam ao sistema, no próximo período de tempo, para alocar os recursos necessários antes que o sistema fique sobrecarregado. Existem vários modelos de previsão de séries temporais para calcular as previsões de carga de trabalho com base no histórico de dados de monitoramento. No entanto, é difícil saber qual é o melhor modelo de previsão a ser utilizado em cada caso. A tarefa se torna ainda mais complicada quando o usuário não tem muitos dados históricos a serem analisados. A maioria dos trabalhos relacionados, considera apenas modelos de previsão isolados para avaliar os resultados. Outros trabalhos propõem uma abordagem que seleciona modelos de previsão adequados para um determinado contexto. Mas, neste caso, é necessário ter uma quantidade significativa de dados para treinar o classificador. Além disso, a melhor solução pode não ser um modelo específico, mas sim uma combinação de modelos. Neste trabalho propomos um método de previsão adaptativo, usando técnicas de otimizaçãomultiobjetivo, para combinar modelos de previsão de séries temporais. O nosso método não requer uma fase prévia de treinamento, uma vez que se adapta constantemente a medida em que os dados chegam ao sistema. Para avaliar a nossa proposta usamos quatro logs extraídos de servidores reais. Os resultados mostram que a nossa proposta frequentemente converge para o melhor resultado, e é suficientemente genérica para se adaptar a diferentes tipos de séries temporais.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2016
- Data da defesa: 16.05.2016
-
ABNT
MESSIAS, Valter Rogério. Combinação de modelos de previsão de séries temporais por meio de otimização multiobjetivo para alocação eficiente de recursos na nuvem. 2016. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2016. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-27012017-164522/. Acesso em: 18 abr. 2024. -
APA
Messias, V. R. (2016). Combinação de modelos de previsão de séries temporais por meio de otimização multiobjetivo para alocação eficiente de recursos na nuvem (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-27012017-164522/ -
NLM
Messias VR. Combinação de modelos de previsão de séries temporais por meio de otimização multiobjetivo para alocação eficiente de recursos na nuvem [Internet]. 2016 ;[citado 2024 abr. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-27012017-164522/ -
Vancouver
Messias VR. Combinação de modelos de previsão de séries temporais por meio de otimização multiobjetivo para alocação eficiente de recursos na nuvem [Internet]. 2016 ;[citado 2024 abr. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-27012017-164522/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
