Ana gezinime geç Aramaya geç Ana içeriğe geç

Bulut Uygulamalari için Farkli Zaman Serisi Modelleriyle İş Yükü Tahminleme

  • Istanbul Technical University

Araştırma sonucu: Kitap/Rapor/Konferans Bildirisinde BölümKonferans katkısıbilirkişi

1 Atıf (Scopus)

Özet

Scheduling of computational load and actual processing is an important problem to be considered from the perspectives of time and consumed energy for execution in the scale of data centers. In this paper, time-series analysis of the arrivals of the workloads have been done by applying auto regression (AR), moving average (MA), auto regression and moving average (ARMA), and Holt-Winters approaches. Performances of the four methods was evaluated and compared for Google workload logs that is publicly available in the Internet.

Tercüme edilen katkı başlığıCloud work load prediction through different models based on time-series
Orijinal dilTürkçe
Ana bilgisayar yayını başlığı2nd International Conference on Computer Science and Engineering, UBMK 2017
YayınlayanInstitute of Electrical and Electronics Engineers Inc.
Sayfalar856-860
Sayfa sayısı5
ISBN (Elektronik)9781538609309
DOI'lar
Yayın durumuYayınlandı - 31 Eki 2017
Etkinlik2nd International Conference on Computer Science and Engineering, UBMK 2017 - Antalya, Türkiye
Süre: 5 Eki 20178 Eki 2017

Yayın serisi

Adı2nd International Conference on Computer Science and Engineering, UBMK 2017

???event.eventtypes.event.conference???

???event.eventtypes.event.conference???2nd International Conference on Computer Science and Engineering, UBMK 2017
Ülke/BölgeTürkiye
ŞehirAntalya
Periyot5/10/178/10/17

Bibliyografik not

Publisher Copyright:
© 2017 IEEE.

Keywords

  • Cloud
  • Computational loads
  • Data centers
  • Holt-winters
  • Regression
  • Time-series analysis

Parmak izi

Bulut Uygulamalari için Farkli Zaman Serisi Modelleriyle İş Yükü Tahminleme' araştırma başlıklarına git. Birlikte benzersiz bir parmak izi oluştururlar.

Alıntı Yap