LuanVan.vnLuận Văn
Gửi thư

Giải pháp nhận dạng và xử lý lỗi trong hạ tầng điện toán đám mây

Luận án · Tiến sĩ · năm 2022 · đề tài tham khảo

Loại tài liệuLuận án
Bậc họcTiến sĩ
NgànhCông nghệ thông tin
Tác giảBùi Thanh Khiết
Người hướng dẫnTrần Công Hùng; Phạm Trần Vũ
Cơ sở đào tạoĐại học Quốc gia TP. Hồ Chí Minh
Năm2022
NguồnThư viện số Đại học Quốc gia TP. Hồ Chí Minh · trang gốc

Tóm tắt

Đóng góp chính của luận án bao gồm: Xây dựng khung kháng lỗi chủ động cho hạ tầng ĐTĐM dựa trên cấu trúc vòng lặp MAPE-K của hệ thống tự trị gồm thành phần giám sát, phân tích lỗi PM, xây dựng chiến lược chiến lược di trú VM kháng lỗi có khả năng học tăng cường, thực thi điều phối tài nguyên PM của hạ tầng ĐTĐM. Đề xuất mô hình phát hiện lỗi của PM trên hạ tầng ĐTĐM dựa trên chỉ số vận hành bất thường. Chỉ số vận hành bất thường được xác định từ giá trị biên quyết định của mô hình Fuzzy One Class Support Vector Machine (FOCSVM) – là sự kết hợp của logic mờ và máy vector hỗ trợ một lớp (One Class Support Vector Machine, viết tắt OCSVM) để giảm ảnh hưởng nhiễu xuất hiện trong tập dữ liệu huấn luyện. Logic mờ được sử dụng để tính toán các hệ số phạt của OCSVM nhằm cải thiện hoạt động linh hoạt trong thời gian thực thi cũng như tận dụng kiến thức của chuyên gia. Đề xuất phương pháp phát hiện lỗi đựa trên chỉ số vận hành bất thường, có tên là EWMA-FOCSVM, dựa trên sự theo dõi biến động đột ngột của giá trị biên quyết định trong FOCSVM bằng biểu đồ kiểm soát trung bình trượt có trọng số hàm mũ (Exponentially Weighted Moving Average, viết tắt EWMA). Các mẫu dữ liệu giám sát được dán nhãn bình thường/lỗi bằng cách sử dụng EWMA-FOCSVM trong thời gian thực để tạo thành bộ dữ liệu huấn luyện có nhãn cho vấn đề phân tích thông số hiệu năng của máy chủ vật lý liên quan đến lỗi. Việc phân tích thông số hiệu năng của máy chủ vật lý liên quan đến lỗi được đưa về bài toán lựa chọn đặc trưng và được giải quyết bằng cách sử dụng thuật toán RFE-RF – là sự kết hợp thuật toán loại bỏ thuộc tính hồi quy (Recursive Feature Elimination, viết tắt RFE) và thuật toán rừng nẫu nhiên (Random Forest,viết tắt RF). Các thông số đáng ngờ được xác định thông qua việc xếp hạng thuộc tính của tập dữ liệu. Đề xuất mô hình xây dựng chiến lược di trú máy ảo kháng lỗi dựa trên điều khiển mờ học tăng cường Fuzzy Q-Learning. Việc điều khiển di trú VM để tránh ảnh hưởng từ PM sắp bị lỗi và đảm bảo PM sau khi tiếp nhận VM có chỉ số vận hành bất thường thấp cũng như mức độ sử dụng giữa các tài nguyên trong PM được cân bằng. Thêm vào đó, để nâng cao khả năng thực thi của bộ điều khiển di trú VM kháng lỗi, thành phần tập luật được cập nhật theo cơ chế học tăng cường ngay cả khi bắt đầu hệ thống với tập luật chưa đầy đủ. Đề xuất giải thuật V2PFQL cho việc điều khiển di trú VM kháng lỗi dựa trên Fuzzy Q-Learning. Một trong những sức mạnh của hệ suy diễn mờ là khả năng chuyển đổi tri thức của con người thành các luật trực quan dưới dạng NẾU-THÌ. Tuy nhiên, trong quá trình thiết kế hệ suy diễn mờ, người thiết kế có thể gặp vấn đề khó khăn khi định nghĩa tập luật như không thể thiết kế tập luật vì không có sẵn tri thức của vấn đề, hoặc chỉ có thể định nghĩa một phần của tập luật, hoặc có thể định nghĩa tập luật nhưng không hiệu quả do dư thừa tập luật hoặc do tập luật không chắc chắn (đúng trong một số trường hợp nhưng lại sai trong một số trường hợp khác). Để giải quyết vấn đề này, luận án đề xuất thuật toán huấn luyện tập luật cho vấn đề di trú máy ảo, được đặt tên V2PFQL-AS, dựa trên sự kết hợp giữa thuật toán V2PFQL và Hệ kiến để hoàn thiện tập luật trong giai đoạn thiết kế hệ suy diễn mờ. Luận án đánh giá hiệu quả của V2PFQL sau khi cập nhật tri thức từ kết quả của quá trình huấn luyện theo thuật toán V2PFQL-AS. Giá trị hàm mục tiêu của bài toán di trú VM kháng lỗi của thuật toán V2PFQL được so sánh với giải thuật RoundRobin (RR), giải thuật tối ưu đàn kiến Inverse Ant System (iAS), giải thuật hệ kiến Ant System (AS), giải thuật Max-Min Ant System (MMAS), giải thuật tối ưu bầy đàn Particle swarm optimization (PSO), giải thuật luyện kim Simulated Annealing (SA).
Bản toàn văn lưu tại thư viện Đại học Quốc gia TP. Hồ Chí Minh

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.