Predicción de Carga de Trabajo Utilizando el Modelo ARIMA y su Impacto en la QoS de Aplicaciones en la Nube

A medida que las empresas pasan de aplicaciones de escritorio a aplicaciones de software como servicio (SaaS) basadas en la nube desplegadas en nubes públicas, la competencia entre proveedores de nube por los usuarios finales crece. Para sobrevivir en un mercado tan competitivo, las empresas basadas en la nube deben lograr una buena calidad de servicio (QoS) para sus usuarios, o arriesgarse a perder a sus clientes frente a competidores. Sin embargo, cumplir con la QoS con una cantidad de recursos rentable es un desafío porque las cargas de trabajo experimentan variaciones con el tiempo. Este problema se puede resolver con la provisión dinámica proactiva de recursos, que puede estimar la necesidad futura de las aplicaciones en términos de recursos y asignarlos por adelantado, liberándolos una vez que ya no se requieren. En este artículo, presentamos la realización de un módulo de predicción de carga de trabajo en la nube para proveedores de SaaS basado en el modelo autoregresivo integrado de media móvil (ARIMA). Introducimos la predicción basada en el modelo ARIMA y evaluamos su precisión en la predicción de carga de trabajo futura utilizando trazas reales de solicitudes a servidores web. También evaluamos el impacto de la precisión alcanzada en términos de eficiencia en la utilización de recursos y QoS. Los resultados de la simulación muestran que nuestro modelo es capaz de alcanzar una precisión promedio de hasta el 91 por ciento, lo que lleva a una eficiencia en la utilización de recursos con un impacto mínimo en la QoS.