동적 안전 매개변수를 기반으로 한 호스트 과부하 감지를 위한 강력한 접근 방식

호스트 과부하 감지는 동적 가상 머신(VMs) 통합 과정에서 중요한 단계입니다. 기계 학습을 사용하여 호스트의 미래 작업 부하를 예측하는 것은 과부하 호스트 상황을 피하는 데 매우 유망한 기술입니다. 이 작업에서는 신경망과 마르코프 모델을 기반으로 하는 과부하 호스트 감지를 위한 새로운 접근 방식을 제안합니다. 신경망은 VMs CPU 활용도 이력으로 구성된 작업 부하 데이터 세트에서 훈련됩니다. 훈련된 모델은 주어진 물리적 머신(PM)의 미래 사용량을 예측하는 데 사용되며, 이는 모든 VMs의 예측된 활용도를 합산하여 계산됩니다. 이 예측의 신뢰도는 마르코프 모델을 기반으로 하는 동적 안전 매개변수를 통해 측정됩니다. 얻어진 결과는 우리의 접근 방식이 MAD, IQR 및 LRR과 같은 최신 알고리즘보다 우수하다는 것을 보여줍니다.