Luận án Tiến sĩ Kỹ thuật: Hướng tiếp cận SWOT cho cân bằng tải trên điện toán đám mây

Luận án Tiến sĩ Kỹ thuật "Hướng tiếp cận SWOT cho cân bằng tải trên điện toán đám mây" trình bày các nội dung chính sau: Giới thiệu khái quát về điện toán đám mây và vấn đề cân bằng tải trên môi trường cloud; Phân tích dựa trên lấy ý tưởng từ phương pháp SWOT về việc tiếp cận phân tích cân bằng tải trong môi trường điện toán đám mây, đánh giá hiệu suất của cân bằng tải.
Nội dung trích xuất từ tài liệu:
Luận án Tiến sĩ Kỹ thuật: Hướng tiếp cận SWOT cho cân bằng tải trên điện toán đám mây HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG --------------------------------------HƯỚNG TIẾP CẬN SWOT CHO CÂN BẰNG TẢI TRÊN ĐIỆN TOÁN ĐÁM MÂY Chuyên ngành: Hệ thống thông tin Mã số: 9.48.01.04 LUẬN ÁN TIẾN SĨ KỸ THUẬT HÀ NỘI - 2023 BỘ THÔNG TIN VÀ TRUYỀN THÔNG HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG -------------------------------------- LUẬN ÁN TIẾN SĨ KỸ THUẬTHƯỚNG TIẾP CẬN SWOT CHO CÂN BẰNG TẢI TRÊN ĐIỆN TOÁN ĐÁM MÂY HÀ NỘI – 2023 ii LỜI CAM ĐOAN Tôi cam đoan rằng luận án Tiến sĩ: “Hướng tiếp cận SWOT cho cân bằng tảitrên điện toán đám mây” là công trình nghiên cứu của riêng tôi dưới sự hướng dẫncủa thầy hướng dẫn, trừ những kiến thức, nội dung tham khảo từ các tài liệu đã đượcchỉ rõ. Các kết quả, số liệu được trình bày trong luận án là trung thực, một phần đãđược công bố trên các Tạp chí và Kỷ yếu Hội thảo khoa học chuyên ngành (danh mụccác công trình đã công bố của tác giả được trình bày ở cuối Luận án), phần còn lạichưa từng được công bố trong bất kỳ công trình nào khác. Không có sản phẩm/nghiên cứu nào của người khác được sử dụng trong luậnán này mà không được trích dẫn theo đúng quy định. TP. Hồ Chí Minh, ngày 30 tháng 06 năm 2023 Tác giả luận án iii LỜI CẢM ƠN Trong suốt quá trình học tập và nghiên cứu thực hiện luận án, ngoài nỗ lực củabản thân, tôi đã nhận được sự hướng dẫn nhiệt tình quý báu của quý Thầy Cô, cùngvới sự động viên và ủng hộ của gia đình, bạn bè và đồng nghiệp. Với lòng kính trọngvà biết ơn sâu sắc, tôi xin gửi lời cảm ơn chân thành tới: Thầy PGS.TS Trần Công Hùng và Thầy TS. Lê Xuân Trường, đã tận tâmhướng dẫn và chỉ bảo cho tôi trên con đường học thuật và nghiên cứu, đồng thời quýThầy cũng tạo điều kiện và giúp đỡ động viên tôi rất nhiều để tôi có thể từng bướchoàn thành được LATS này. Ban Giám Đốc, Phòng đào tạo sau đại học và quý Thầy Cô đã tạo mọi điềukiện thuận lợi giúp tôi hoàn thành luận án. Tôi xin chân thành cảm ơn gia đình, bạn bè, đồng nghiệp trong cơ quan đãđộng viên, hỗ trợ tôi trong lúc khó khăn để tôi có thể học tập và hoàn thành luận án.Mặc dù đã có nhiều cố gắng, nỗ lực, nhưng do thời gian và kinh nghiệm nghiên cứukhoa học còn hạn chế nên không thể tránh khỏi những thiếu sót. Tôi rất mong nhậnđược sự góp ý của quý Thầy Cô cùng bạn bè đồng nghiệp để kiến thức của tôi ngàymột hoàn thiện hơn. Xin chân thành cảm ơn! TP. Hồ Chí Minh, ngày 30 tháng 06 năm 2023 iv TÓM TẮTCân bằng tải trên đám mây là một thách thức cần nghiên cứu và cải tiến, với rất nhiềuthuật toán không ngừng ra đời như Max-Min, Min-Min, Round-Robin, CLBDM,Active Clustering nhằm cải thiện hiệu năng của bộ cân bằng tải. Tuy đã có rất nhiềucông trình đạt thành tựu đáng kể, nhưng việc sử dụng phương pháp dự đoán kết hợphọc máy trên bộ dữ liệu cân bằng tải vẫn còn nhiều thách thức và hướng nghiên cứu.Do đó, luận án này phân tích cân bằng tải trong môi trường đám mây với ý tưởng từcách tiếp cận SWOT (điểm mạnh, điểm yếu, cơ hội và nguy cơ), từ đó đưa ra đánhgiá cân bằng tải với hai hướng tiếp cận: hướng tiếp cận bên trong và hướng tiếp cậnbên ngoài. Với hướng tiếp cận bên trong, luận án tập trung phân tích các thuật toáncân bằng tải có liên quan đến các yếu tố bên trong của bộ cân bằng tải như thời gianphản hồi, thông lượng, các tham số khác và các đặc điểm bên trong khác. Với hướngtiếp cận bên ngoài, luận án xem xét các yếu tố bên ngoài bộ cân bằng tải, như hànhvi của người dùng đám mây, cấu trúc mạng và môi trường địa lý của Internet, mứcđộ ưu tiên của các yêu cầu từ phía người dùng, v.v. Với mỗi hướng tiếp cận, luận ánnghiên cứu các phương pháp học máy và khai phá dữ liệu tương ứng để cải thiện hiệunăng cân bằng tải trong môi trường điện toán đám mây. Với ý tưởng trên, luận án đã đề xuất được 4 thuật toán cân bằng tải (MCCVA,APRTA, RCBA và ITA) theo hướng tiếp cận từ bên trong, 2 thuật toán cân bằng tải(PDOA và k-CTPA) theo hướng tiếp cận từ bên ngoài. Các thuật toán được cài đặttriển khai mô phỏng giả lập trên môi trường mô phỏng CloudSim và so sánh với cácthuật toán cân bằng tải phổ biến hiện nay (Round Robin, Max Min, Min Min vàFCFS). Tương ứng với mỗi thuật toán, xuất phát từ các góc độ phân tích khác nhaucủa bộ cân bằng tải, mà luận án sử dụng các thông số đo lường khác nhau để đánhgiá mô phỏng giả lập (thời gian đáp ứng, thời gian thực hiện, speedup…). Kết quả từviệc mô phỏng đã chứng minh tính vượt trội và khả năng cải thiện hiệu suất của thuậttoán học máy dự đoán trong việc tối ưu hóa bộ cân bằng tải trong điện toán đám mây. v ABSTRACTCloud load balancing is always a challenge that needs to be researched and improved,with many algorithms constantly emerging such as Max-Min, Min-Min, Round-Robin, CLBDM, Active Clustering to improve the performance of the load balancer.Although there have been many works with remarkable achievements, the use ofpredictive methods using machine learning on load balancing datasets still has manychallenges and research directions. Therefore, this thesis analyzes the load balance inthe cloud environment with ideas from the SWOT approach (Strengths, Weaknesses,Opportunities and Threats), thereby making a load balance assessment with twodirections: internal approach and external approach ...