최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국통신학회논문지. The Journal of Korea Information and Communications Society. 네트워크 및 서비스, v.38B no.7, 2013년, pp.512 - 518
안태형 (연세대학교 컴퓨터과학과 무선네트워킹 연구실) , 김예나 (연세대학교 컴퓨터과학과 무선네트워킹 연구실) , 이수경 (연세대학교 컴퓨터과학과 무선네트워킹 연구실)
A resource allocation algorithm has a high impact on user satisfaction as well as the ability to accommodate and process services in a distributed cloud computing. In other words, service rejections, which occur when datacenters have no enough resources, degrade the user satisfaction level. Therefor...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
분산 클라우드의 장점은? | 분산 클라우드는 다수의 데이터센터를 지리적으로 분산시켜 사용자와 데이터센터간의 거리를 좁힘으로서 통신 비용과 지연 시간을 줄일 수 있는 장점을 가진다[1,2]. 분산 클라우드에서 자원 할당 알고리즘은 사용자로부터 분산 클라우드로 전송되는 서비스 처리를 위한 데이터센터를 선택하기 때문에 사용자 만족도(User Satisfaction)와 클라우드 시스템의 서비스 수용 및 처리 능력과 밀접한 관련을 가진다[2]. | |
분산 클라우드에서 자원 할당 알고리즘이 사용자 만족도와 클라우드 시스템의 서비스 수용 및 처리 능력과 밀접한 관련을 가지는 이유는? | 분산 클라우드는 다수의 데이터센터를 지리적으로 분산시켜 사용자와 데이터센터간의 거리를 좁힘으로서 통신 비용과 지연 시간을 줄일 수 있는 장점을 가진다[1,2]. 분산 클라우드에서 자원 할당 알고리즘은 사용자로부터 분산 클라우드로 전송되는 서비스 처리를 위한 데이터센터를 선택하기 때문에 사용자 만족도(User Satisfaction)와 클라우드 시스템의 서비스 수용 및 처리 능력과 밀접한 관련을 가진다[2]. 즉, 서비스 처리를 위해 데이터센터에서 할당 할 수 있는 자원이 없어 발생하는 서비스 거부는 사용자 만족도를 반감시킨다[3]. | |
서비스 거부를 최소화하기 위한 자원 할당 알고리즘을 제안하는 이유는? | 분산 클라우드 컴퓨팅에서 자원 할당 알고리즘은 사용자 만족도와 서비스 수용 및 처리 능력과 밀접한 관련을 가지기 때문에 중요하다. 즉, 분산 클라우드에서는 서비스 처리를 위해 이용가능한 자원이 없을 때 발생하는 서비스 거부는 사용자 만족도를 반감시킨다. 따라서 본 논문에서는 서비스 거부를 최소화하기 위하여 데이터센터 자원 상황을 고려한 자원 할당 알고리즘을 제안한다. |
P. T. Endo, A. V. P. de Almeida Palhares, N. N. Pereira, G. E. Goncalves, D. Sadok, J. Kelner, B. Melander, and J.-E. Mangs, "Resource allocation for distributed cloud: concepts and research challenges," IEEE Network, vol. 25, no. 4, pp. 42-46, Jul.-Aug. 2011.
M. Alicherry and T. V. Lakshman, "Network aware resource allocation in distributed clouds," in Proc. IEEE INFOCOM, pp. 963-971, Orlando, U.S.A., Mar. 2012.
M. Armbrust, A. Fox, R. Griffith, A. D. Joseph, R. Katz, A. Konwinski, G. Lee, D. Patterson, A. Rabkin, I. Stoica, and M. Zaharia, "A view of cloud computing," Commun. ACM, vol. 53, no. 4, pp. 50-58, Apr. 2010.
C. J. C. H Watkins and P. Dayan, "Q-Learning," Machine Learning, vol. 8, pp. 279-292, Jan. 1992.
H. Liang, L. X. Cai, D. Huang, X. Shen, and D. Peng, "An SMDP-based service model for interdomain resource allocation in mobile cloud networks," IEEE Trans. Veh. Tech., vol. 61, no. 5, pp. 2222-2232, Jun. 2012.
S. T. Maguluri, R. Srikant, and L. Ying, "Stochastic models of load balancing and scheduling in cloud computing clusters," in Proc. IEEE INFOCOM, pp. 702-710, Orlando, U.S.A., Mar. 2012.
J. Nie and S. Haykin, "A Q-learning-based dynamic channel assignment technique for mobile communication systems," IEEE Trans. Veh. Tech., vol. 48, no. 5, pp. 1676-1687, Sep. 1999.
Y. Chen, C. Chang, and F. Ren, "Q-learning-based multirate transmission control scheme for RRM in multimedia WCDMA systems," IEEE Trans. Veh. Tech., vol. 53, no. 1, pp. 38-48, Jan. 2004.
L. Hu, X.-L. Che, and S.-Q. Zheng, "Online system for grid resource monitoring and machine learning-based prediction," IEEE Trans. Parallel Distrib. Syst., vol. 23, no. 1, pp. 134-145, Jan. 2012.
Y. J. Kim, "Modified Q-learning for intelligent system," J. Korea Inst. Commun. Soc. (KICS), vol. 33, no. 2, pp. 82-87, Feb. 2008.
J. Rao, X. Bu, C.Z. Xu, and K. Wang, "A distributed self-learning approach for elastic provisioning of virtualized cloud resources," in Proc. IEEE MASCOTS, pp. 45-54, Singapore, Jul. 2011.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.