haku: @instructor Raivio, Yrjö / yhteensä: 11
hakutulos-lista
viite: 2 / 11
« edellinen | seuraava »
Tekijä:Mallavarapu, Ramasivakarthik
Työn nimi:Dynamic resource provisioning in IaaS cloud environment
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2012
Sivut:[9] + 46      Kieli:   eng
Koulu/Laitos/Osasto:Tietotekniikan laitos
Oppiaine:Tietokoneverkot   (T-110)
Valvoja:Ylä-Jääski, Antti
Ohjaaja:Raivio, Yrjö
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto     | Arkisto
Avainsanat:cloud
autoscaling
IaaS cloud
workload modeling
SLA
time series analysis
Tiivistelmä (eng): Elasticity is one of the key-enablers of cloud systems, minimizing the cost of resource provisioning while meeting critical Quality of Service (QoS) requirements of a service level agreement (SLA).
Most internet based services have SLA's that demand stringent performance requirements.
Automated resource provisioning (AutoScaling) is an effective way of dealing with workload fluctuations by allocating resources based on the current demand.
Simple reactive approaches to AutoScaling can have a contrasting effect on performance, while over-provisioning substantially increases the costs.
To tackle these challenges, there is a need for intelligent resource provisioning mechanisms that can model, analyse and predict the resource demand.

This thesis outlines the key practical issues involved in AutoScaling in an Infrastructure as a Service (IaaS) cloud environment and provides tangible solutions.
We study a few prediction models and make a comparative analysis on their strengths and weaknesses.
We then present the predictive elastic resource controller that addresses the issues in AutoScaling by using modelling techniques from statistical analysis.
The research also identifies issues relating to resource demand and capacity estimation in a multi-tenant cloud environment.

A prototype model of the predictive resource controller was implemented on an OpenNebula based cluster.
Real world and artificial workload traces were used to test the efficiency of the model.
We have also made a comparative analysis of our proposed model with a simple, reactive resource controller.
Simulation results show that our model outperforms a simple, reactive resource controller in. terms of prediction error, QoS and number of SLA violations.
ED:2012-09-05
INSSI tietueen numero: 45215
+ lisää koriin
« edellinen | seuraava »
INSSI