خاصيت كشساني ابري بر اساس مدل پيش بيني سربار كار سرور بصورت وفق پذير

يكي از مهمترين ويژگي هاي پردازش ابري، خاصيت كشساني است و نقشي كليدي در آن ايفا مي‌كند. اين امر باعث شده محققان زيادي در زمينه بهينه سازي خاصيت كشساني ابري فعاليت كنند. خاصيت كشساني، همان مقياس پذيري همراه با تنظيم خودكار و بهينه سازي است. اين كار اگر به بهترين حالت انجام شود، هم توافقنامه سطح خدمات كاملا رعايت مي‌شود و هم تامين كننده ابري كمترين اتلاف منابع را خواهد داشت. در اين پژوهش براي بهبود تجربه كاربر و همچنين عدم اتلاف منابع، از مدل پيش ‌بيني سربار كار سرور استفاده شده است. با پيش بيني سربار كار كاربران، سيستم مي‌تواند تصميمات مقياس پذيري را با توجه به تاخير انجام تغييرات، اتخاذ كند بطوريكه كاربر اين تغييرات را حس نكند. نتايج حاصل از پژوهش هاي گذشته نشان مي‌دهد كه استفاده از يك الگوريتم ثابت براي تمامي الگوهاي سربار كار نمي‌تواند ما را به حداكثر سرعت و دقت در پيش بيني برساند. از اين رو در اين پژوهش معماري پيشنهاد شده است كه در آن سه مدل LR، SVM و ARIMA براي پيش بيني سربار كار استفاده شده است و در اين معماري با توجه به دو ويژگي ميانگين مصرف cpu و الگوي فصلي سربار كار، مدل متناسب براي هر سربار كار انتخاب مي‌شود نتايج نشان مي‌دهد كه استفاده از اين معماري منجر به بهبود ۱۲ درصدي دقت پيش بيني و همچنين كاهش ۲۵ درصدي زمان ميانگين پيش بيني سربار كار مي‌شود.