Abstrakt
The paper presents a new classification schema of IaaS cloud workloads types, based on the functional characteristics. We show the results of an experiment of automatic categorization performed with different benchmarks that represent particular workload types. Monitoring of resource utilization allowed us to construct workload models that can be processed with machine learning algorithms. The direct connection between the functional classes and the resource utilization was shown, using unsupervised categorization approach based on moving average for finding a class number, and k-means algorithm for clustering.
Cytowania
-
2
CrossRef
-
0
Web of Science
-
5
Scopus
Autorzy (4)
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja monograficzna
- Typ:
- rozdział, artykuł w książce - dziele zbiorowym /podręczniku w języku o zasięgu międzynarodowym
- Tytuł wydania:
- Proceedings of the International Conference on Signal, Networks, Computing, and Systems. - Vol. 1 strony 303 - 313
- ISSN:
- 1876-1100
- Język:
- angielski
- Rok wydania:
- 2017
- Opis bibliograficzny:
- Orzechowski P., Proficz J., Krawczyk H., Szymański J.: Categorization of Cloud Workload Types with Clustering// / : Springer India, 2017, s.303-313
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1007/978-81-322-3592-7_31
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 254 razy
Publikacje, które mogą cię zainteresować
Automatic Discovery of IaaS Cloud Workload Types
- P. Orzechowski,
- J. Proficz,
- H. Krawczyk
- + 1 autorów
Multi-criteria Differential Evolution for Optimization of Virtual Machine Resources in Smart City Cloud
- J. Balicki,
- H. Balicka,
- P. Dryja
- + 1 autorów