Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Một Phương Pháp Mới Trong Quản Lý Tài Nguyên Đám Mây: Học Máy Kết Hợp và Lập Lịch Nhiệm Vụ
Tóm tắt
Các doanh nghiệp đám mây hiện đang phải đối mặt với những khó khăn trong việc quản lý lượng dữ liệu khổng lồ và các nguồn tài nguyên đa dạng trong đám mây do sự mở rộng mạnh mẽ của hệ thống điện toán đám mây với nhiều khách hàng, từ các chủ doanh nghiệp nhỏ đến các tập đoàn lớn. Hiệu suất của điện toán đám mây có thể cần tới kế hoạch tài nguyên hiệu quả hơn. Các nguồn tài nguyên phải được phân phối công bằng giữa tất cả các bên liên quan để duy trì lợi nhuận của nhóm và sự hài lòng của người tiêu dùng. Bởi vì những nguồn tài nguyên thiết yếu này không có sẵn trên bảng điều khiển, yêu cầu của khách hàng không thể bị trì hoãn mãi mãi. Để giải quyết những vấn đề này, nghiên cứu này đề xuất một kỹ thuật học máy kết hợp cho bảo mật phân bổ tài nguyên với lịch trình nhiệm vụ hiệu quả trong điện toán đám mây. Đầu tiên, một bộ lập lịch ngắn cho các nhiệm vụ được xây dựng dựa trên thuật toán Tối ưu Hạt Nhân Cải tiến (IPSO-TS) giúp giảm thời gian thực hiện và tăng thông lượng. Sau đó, băng thông và tải tài nguyên được đưa vào Mạng Nơ-ron Chú ý Đồ thị (GANN) để phân bổ tài nguyên hiệu quả dưới các ràng buộc thiết kế khác nhau. Cuối cùng, NSUPREME, một kỹ thuật nhận diện đơn giản, được đề xuất cho quá trình mã hóa nhằm bảo vệ lưu trữ dữ liệu. Phương pháp được đề xuất cuối cùng được mô phỏng bằng nhiều cài đặt mô phỏng khác nhau để chứng minh tính hiệu quả của nó, và các kết quả được so sánh với những phương pháp tiên tiến. Các phát hiện chỉ ra rằng kế hoạch được đề xuất hiệu quả hơn so với các phương pháp hiện hành về việc sử dụng tài nguyên, mức tiêu thụ năng lượng, khả năng phản hồi, vv.
Từ khóa
#Quản lý tài nguyên đám mây #Học máy #Lập lịch nhiệm vụ #Tối ưu hóa hạt nhân #Bảo mật dữ liệuTài liệu tham khảo
Adil, M., Nabi, S., Aleem, M., Diaz, V.G., Lin, J.C.-W.: Ca-mlbs: content-aware machine learning based load balancing scheduler in the cloud environment. Expert. Syst. 40(4), e13150 (2023)
Al-Rahayfeh, A., Atiewi, S., Abuhussein, A., Almiani, M.: Novel approach to task scheduling and load balancing using the dominant sequence and mean shift clustering algorithms. Future Internet 11, 5 (2019)
Buyya, R., Yeo, C.S., Venugopal, S., Broberg, J., Brandic, I.: Cloud computing and emerging it platforms: Vision, hype, and reality for delivering computing as the 5th utility. Futur. Gener. Comput. Syst. 25(6), 599–616 (2022)
Li, B., Zhou, X., Ning, Z., Guan, X., Yiu, K.: C, Dynamic event-triggered security control for networked control systems with cyber-attacks: A model predictive control approach. Inf. Sci. 612, 384–398 (2022)
Chaisiri, S., Lee, B.-S., Niyato, D.: Optimizing resource provisioning cost in cloud computing. IEEE Trans. Serv. Comput. 5(2), 164–177 (2020)
Chandakkar, P.S., Li, Y., Ding, P.L.K., Li, B.: Strategies for re-training a pruned neural network in an edge computing paradigm. In 2017 IEEE International Conference on Edge Computing (EDGE) 244–247 (2017)
Liu, C., Wu, T., Li, Z., Ma, T., Huang, J.: Robust Online Tensor Completion for IoT Streaming Data Recovery. IEEE Transactions on Neural Networks and Learning Systems (2022)
Endo, P.T., de Almeida Palhares, A.V., Pereira, N.N., Goncalves, G.E., Sadok, D., Kelner, J., Melander, B., Mangs, J.-E.: Resource allocation for the distributed cloud: concepts and research challenges. IEEE Network 25(4), 42–46 (2021)
Hasan Shuvo, M.N., Shahriar Maswood, M.M., Alharbi, A.G.: Lsru: A novel deep learning based hybrid method to predict the workload of virtual machines in the cloud data center. In 2020 IEEE Region 10 Symposium (TENSYMP) 1604–1607 (2020)
Zhao, Z., Xu, G., Zhang, N., Zhang, Q.: Performance analysis of the hybrid satellite-terrestrial relay network with opportunistic scheduling over generalized fading channels. IEEE Trans. Veh. Technol. 71(3), 2914–2924 (2022)
Zhou, X., Zhang, L.: SA-FPN: An effective feature pyramid network for crowded human detection. Appl. Intell. 52(11), 12556–12568 (2022)
Khan, W., Ahmed, E., Hakak, S., Yaqoob, I., Ahmed, A.: Edge computing: A survey. Future Generation Computer Systems 97 (02 2019)
Linthicum, D.S.: Connecting fog and cloud computing. IEEE Cloud Computing 4(2), 18–20 (2023)
Liang, X., Huang, Z., Yang, S., Qiu, L.: Device-Free Motion & Trajectory Detection via RFID. ACM Trans. Embed. Comput. Syst. 17(4), 78 (2018)
Lu, H., Zhu, Y., Yin, M., Yin, G., Xie, L.: Multimodal Fusion Convolutional Neural Network With Cross-Attention Mechanism for Internal Defect Detection of Magnetic Tile. IEEE Access 10, 60876–60886 (2022)
Muniswamy, S., Vignesh, R.: Dsts: A hybrid optimal and deep learning for dynamic scalable task scheduling on container cloud environment. Journal of Cloud Computing 11(1), 33 (2022)
Nanjappan, M., Albert, P.: Hybrid-based novel approach for resource scheduling using mcfcm and pso in a cloud computing environment. Concurrency and Computation: Practice and Experience 34 (09 2019)
Paul, P.K., Ghose, M.K.: Cloud computing: Possibilities, challenges, and opportunities with particular reference to its emerging need in the academic and working area of information science. Procedia Engineering 38 (2020), 2222–2227. International Conference on Modelling Optimization and Computing
Zhang, X., Huang, D., Li, H., Zhang, Y., Xia, Y., Liu, J.: Self-training maximum classifier discrepancy for EEG emotion recognition. CAAI Transactions on Intelligence Technology, (2023)
Praveen, S.P., Ghasempoor, H., Shahabi, N., Izanloo, F.: A hybrid gravitational emulation local search-based algorithm for task scheduling in cloud computing. Math. Probl. Eng. 2023, 6516482 (2023)
Li, Q., Lin, H., Tan, X., Du, S.: Consensus for Multiagent-Based Supply Chain Systems Under Switching Topology and Uncertain Demands. IEEE Transactions on Systems, Man, and Cybernetics: Systems 50(12), 4905–4918 (2020)
Li, T., Fan, Y., Li, Y., Tarkoma, S., Hui, P.: Understanding the Long-Term Evolution of Mobile App Usage. IEEE Trans. Mob. Comput. 22(2), 1213–1230 (2023)
Xie, Y., Wang, X., Shen, Z., Sheng, Y., Wu, G.A.: Two-stage Estimation of Distribution Algorithm with Heuristics for Energy-aware Cloud Workflow Scheduling. IEEE Transactions on Services Computing, (2023)
Li, X., Sun, Y.: Stock intelligent investment strategy based on support vector machine parameter optimization algorithm. Neural Computing and Applications 32(6), 1765–1775 (2020)
Yan, H., Diao, X.-c., Li, G.: Design and implementation of the uncertain resource objects in the network resource management. In 2008 International Seminar on Future Information Technology and Management Engineering 582–585 (2020)
Cao, B., Sun, Z., Zhang, J., Gu, Y.: Resource Allocation in 5G IoV Architecture Based on SDN and Fog-Cloud Computing. IEEE transactions on intelligent transportation systems 22(6), 3832–3840 (2021)
Dai, X., Xiao, Z., Jiang, H., Alazab, M., Lui, J.C.S., Min, G., Liu, J.: Task Offloading for Cloud-Assisted Fog Computing With Dynamic Service Caching in Enterprise Management Systems. IEEE Transactions on Industrial Informatics 19(1), 662–672 (2023)
Jiang, H., Dai, X., Xiao, Z., Iyengar, A.K.: Joint Task Offloading and Resource Allocation for Energy-Constrained Mobile Edge Computing. IEEE Transactions on Mobile Computing, (2022)
Li, J., Deng, Y., Sun, W., Li, W., Li, R., Li, Q.,... Liu, Z.: Resource Orchestration of Cloud-Edge–Based Smart Grid Fault Detection. ACM Trans. Sen. Netw., 18(3), 2022
Cao, B., Zhang, J., Liu, X., Sun, Z., Cao, W., Nowak, R.M., Lv, Z.: Edge-Cloud Resource Scheduling in Space–Air–Ground-Integrated Networks for Internet of Vehicles. IEEE Internet of Things Journal 9(8), 5765–5772 (2022)
Wu, Z., Cao, J., Wang, Y., Wang, Y., Zhang, L.,... Wu, J.: hPSD: A Hybrid PU-Learning-Based Spammer Detection Model for Product Reviews. IEEE transactions on cybernetics, 50(4), 1595–1606 (2020)
Zhang, J., Liu, Y., Li, Z., Lu, Y.: Forecast-Assisted Service Function Chain Dynamic Deployment for SDN/NFV-Enabled Cloud Management Systems. IEEE Systems Journal, (2023)
Ni, Q., Guo, J., Wu, W., Wang, H., Wu, J.: Continuous Influence-Based Community Partition for Social Networks. IEEE Transactions on Network Science and Engineering 9(3), 1187–1197 (2022)
Liao, Q., Chai, H., Han, H., Zhang, X., Wang, X., Xia, W., Ding, Y.: An Integrated Multi-Task Model for Fake News Detection. IEEE Transactions on Knowledge and Data Engineering 34(11), 5154–5165 (2022)
Chen, P., Liu, H., Xin, R., Carval, T., Zhao, J., Xia, Y., Zhao, Z.: Effectively Detecting Operational Anomalies In Large-Scale IoT Data Infrastructures By Using A GAN-Based Predictive Model. The Computer Journal 65(11), 2909–2925 (2022)
Li, C., Dong, M., Xin, X., Li, J., Chen, X.,... Ota, K.: Efficient Privacy-preserving in IoMT with Blockchain and Lightweight Secret Sharing. IEEE Internet of Things Journal, (2023)
Zhang, H., Mi, Y., Fu, Y., Liu, X., Zhang, Y., Wang, J.,... Tan, J.: Security defense decision method based on potential differential game for complex networks. Computers & Security, 129, 103187 (2023)
Cheng, B., Wang, M., Zhao, S., Zhai, Z., Zhu, D., Chen, J.: Situation-Aware Dynamic Service Coordination in an IoT Environment. IEEE/ACM Transactions on Networking 25(4), 2082–2095 (2017)
Min, C., Pan, Y., Dai, W., Kawsar, I., Li, Z.,... Wang, G.: Trajectory optimization of an electric vehicle with minimum energy consumption using inverse dynamics model and servo constraints. Mechanism and Machine Theory, 181, 105185 (2023)