선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 클라우드 환경의 교통정보 서비스를 위해 조건부 확률 추론을 이용한 가상머신 프로비저닝 스케줄링(PSCPI: Provisioning Scheduling with Conditional probability Inference)을 제안하며, 나이브 베이지안 추론 기법기반 프로비저닝 스케줄링의 새로운 방법과 구조에 대해 기술 한다. 제안하는 PSCPI는 클라우드 자원 리소스의 상태에 따라 나이브 베이지안(Naive Bayesian)추론 기법 기반 스케줄링(John, 1985)을 사용하여 가상머신의 가용율을 판단한 후 가용 율이 높은 가상머신에게 작업을 할당한다.
- 두 번째로, 실행시간과 대기시간에 따른 스케줄링 기법인 위한 반응시간 최적화된 자원 관리 알고리즘(Response time Optimization-based Resource Management algorithm: RORM) (Assuncao 외 2009)은 큐잉이론을 바탕으로, 각 자원이 할당되는 시점과 이전의 자원 처리 시간을 비교하여 작업 처리시간이 가장 빠른 자원을 선택하는 기법으로, 짧은 대기시간과 활용 율을 높였다. 본 논문에서는 클라우드 환경의 작업 스케줄링을 위해서 나이브 베이지안 추론 기법(Naive Bayesian Inference Method)기반 스케줄링(John, 1985)을 가상머신 프로비저닝에 도입하기 위해 새로운 방법과 메커니즘을 제시한다.
- 이에 본 논문에서는 클라우드 기반의 교통 정보 서비스의 구조에 대해 설명을 하며 다수의 교통정보 서비스를 제공받는 사용자의 서비스 요청에 따른 클라우드 컴퓨팅 환경의 자원관리 스케줄링에 대해 논의한다.
- 제안하는 PSCPI에 대한 구조적인 설명과 자원관리를 위한 나이브 베이지안 기반 클라우드 스케줄링 환경의 새로운 메커니즘에 대해 기술하였다. PSCPI의 성능을 검증하기 위해 클라우드 서비스의 모델링과 시뮬레이션을 했다.
- 클라우드 컴퓨팅은 자원관리를 위한 가상머신의 프로비저닝 스케줄링의 도입이 필요하며 이에 본 논문은 클라우드 환경의 교통정보 서비스를 위한 조건부 확률 추론을 이용한 가상 머신 프로비저닝 스케줄링(PSCPI: Provisioning Scheduling with Conditional probability Inference)을 제안한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.