심층 학습을 이용한 클라우드 데이터 센터의 작업 실패 예측

대규모 클라우드 데이터 센터는 낮은 실패 발생 확률로 높은 서비스 신뢰성과 가용성을 제공해야 합니다. 그러나 현재 대규모 클라우드 데이터 센터는 하드웨어 및 소프트웨어 실패와 같은 다양한 이유로 여전히 높은 실패율에 직면해 있으며, 이는 종종 작업 및 과제 실패로 이어집니다. 이러한 실패는 클라우드 서비스의 신뢰성을 심각하게 저하시킬 수 있으며, 실패로부터 서비스를 복구하는 데 막대한 양의 자원을 차지할 수 있습니다. 따라서 예기치 않은 낭비를 피하기 위해서는 높은 정확도로 작업 또는 과제 실패를 사전 예측하는 것이 중요합니다. 과거 시스템 메시지 로그를 분석하고 데이터와 실패 간의 관계를 식별함으로써 작업 또는 과제 실패 예측을 위해 다양한 기계 학습 및 심층 학습 기반 방법이 제안되었습니다. 이전 기계 학습 및 심층 학습 기반 방법의 실패 예측 정확성을 더욱 향상시키기 위해, 본 논문에서는 클라우드에서 작업 및 과제 실패를 식별하기 위한 다중 계층 양방향 장단기 기억(Bi-LSTM) 기반의 실패 예측 알고리즘을 제안합니다. Bi-LSTM 예측 알고리즘의 목표는 작업과 과제가 실패했는지 완료되었는지를 예측하는 것입니다. 추적 주도 실험 결과, 우리의 알고리즘은 작업 실패와 과제 실패에서 각각 93% 및 87%의 정확도로 다른 최첨단 예측 방법을 능가함을 보여줍니다.