지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 대한전자공학회 IEIE Transactions on Smart Processing & Computing IEIE Transactions on Smart Processing & Computing Vol.7 No.6
- 발행연도
- 2018.12
- 수록면
- 478 - 488 (11page)
- DOI
- 10.5573/IEIESPC.2018.7.6.478
이용수
초록· 키워드
오류제보하기
The high demand for big data applications, such as the Internet of Things (IoT), healthcare, business, and academia, as well as government, fosters the creation of large-scale cloud data centers. Cloud data centers contain thousands of physical machines (PMs), so resource management is necessary for allocating the tremendous amount of data to them. Knowing the workload demand in advance enables control of those resources, saving energy, reducing CPU and memory usage, and improving service. Workload prediction can be used to determine how many resources need to be allocated in the future. In this paper, we propose machine learning–based techniques to predict the daily operational workload. The proposed approach can predict the amount of power consumption (PC) and the number of PMs required to fulfill the demands of the cloud data center. Workload prediction accuracy varies based on the prediction methods used and the type of workload. In this work, we investigate three different methods: polynomial regression, support vector regression, and random forest regression (RFR). Considering both accuracy and computation time, results show that RFR provides the best performance, in our case, with a minimum root-mean-square error of 11.68 for PMs and 4869.08 for PC prediction. The computation time solidifies our selection with 2 seconds training time in all instances.
목차
Abstract
1. Introduction
2. Literature Review
3. Methodology
4. Experiment and Results
5. Conclusion and Future Work
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Error Analysis of Multidimensional Evaluation of Pilot’s Workload Based on Objective Measures
제어로봇시스템학회 국제학술대회 논문집
2015 .10
-
AMT: Adapter-based Modified Transformer for Efficient Inter-Cluster Cloud Workload Forecasting
한국통신학회 학술대회논문집
2024 .11
-
Prediction and Classification of Pilot’s Cognitive Workload via Deep Learning of Multivariate Data
대한인간공학회 학술대회논문집
2019 .10
-
LSTM Deep Learning Model for Workload Prediction in Massive Machine Type Communication Networks
한국정보과학회 학술발표논문집
2019 .06
-
Characteristics of the EEG information about driving workload on the winding road
대한교통학회 학술대회지
2016 .09
-
특허키워드분석을 위한 베이지안 회귀모형
한국컴퓨터정보학회논문지
2016 .01
-
Study on the Relationship between Adolescents" Self-esteem and their Sociality
한국컴퓨터정보학회논문지
2016 .01
-
원전 기동운전에서 운전원 작업부하 주관적평가
대한인간공학회 학술대회논문집
2020 .10
-
신체적 작업 부하가 시간 인지에 미치는 영향
대한인간공학회지
2022 .10
-
Development of Full Coverage Test Framework for NVMe Based Storage
한국컴퓨터정보학회논문지
2017 .04
-
Comparison Study of Potential Workload Index in a Simulated Multiple-UAV Operation Environment
제어로봇시스템학회 국제학술대회 논문집
2017 .10
-
딥러닝 애플리케이션을 위한 하드웨어 프로파일링 기반 공간적 GPU 공유 기법
대한전자공학회 학술대회
2024 .06
-
클라우드 데이터센터의 안정적인 운영을 위한 워크로드 예측 모델 비교 연구
한국정보과학회 학술발표논문집
2024 .12
-
병렬 프로그램 로그 군집화 기반 작업 실행 시간 예측모형 연구
산업경영시스템학회지
2015 .01
-
자율주행 상황에서 제어권 전환 요청 시기가 운전자 작업부하에 미치는 영향
대한인간공학회지
2019 .04
-
Call Center Call Count Prediction Model by Machine Learning
JOURNAL OF ADVANCED INFORMATION TECHNOLOGY AND CONVERGENCE
2018 .07
-
Distributed Speed Scaling and Workload Routing Algorithm for Large-Scale Data Centers : A Second-Order Approach
대한산업공학회 춘계공동학술대회 논문집
2018 .04
-
Machine-Learning을 활용한 미세먼지(PM10) 농도 예측
한국정보과학회 학술발표논문집
2016 .12
-
A Preliminary Result of Systematic Literature Review on Human Status Detection using Machine Learning Techniques
대한인간공학회 학술대회논문집
2021 .11
-
컴퓨팅 서버 에너지 효율화를 위한 워크로드 환경 별 팬 제어 알고리즘 비교
대한전자공학회 학술대회
2024 .06
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2019-569-000333329