1. Proposta de um sistema inteligente de monitoramento baseado em seleção de características
- Author
-
Marques, Gustavo Silveira, Lafetá, Raquel Fialho Queiroz de, Pasquini, Rafael, Verdi, Fábio, and Coelho, Paulo
- Subjects
Artificial intelligence ,Monitoring ,Algorítmos computacionais ,Monitoria ,Feature selection ,Seleção de característica ,CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO::SOFTWARE BASICO [CNPQ] ,Slice-as-a-Service ,Computação ,Inteligência artificial ,Slice ,NECOS - Abstract
European Union Programme Esse trabalho se baseia no paradigma Slice-as-a-Service proposto no projeto Novel Enablers for Cloud Slicing (NECOS). Assumindo fatias (slices) fim-a-fim, compostas por recursos de múltiplos provedores de infraestrutura, esse trabalho propõe um sistema inteligente de monitoramento capaz de dinamicamente selecionar métricas que melhor atendam às necessidades de gerenciamento das slices, mantendo a sua precisão. Basicamente, deseja-se evitar o tráfego de dados desnecessários extraídos dos diferentes provedores de infraestrutura, entregando um conjunto essencial de dados para as funções de gerenciamento. Apresentados os experimentos realizados que comparam algoritmos de correlação e de aprendizado de máquina, é possível perceber que a redução dos dados, através da seleção de características, aumenta de maneira satisfatória a precisão na estimativa de métricas de qualidade de serviço. This work builds upon the Slice-as-a-Service paradigm proposed in the Novel Enablers for Cloud Slicing (NECOS) project. Assuming the provision of end-to-end slices which are composed by resources coming from multiple infrastructure providers, this work proposes an intelligent monitoring system, aiming to dynamically select a set of features that best fits the real life time management needs of the slices, keeping the accuracy of that management. We want to avoid the movement of unnecessary information from the infrastructure providers, delivering essential data to management functions. Presenting the experiments made in our testbed, which compared both algorithms of correlation and machine learning, it’s possible to notice that the data reduction, through the feature selection, increases satisfactorily the quality of service estimative precision. Dissertação (Mestrado)
- Published
- 2022
- Full Text
- View/download PDF