Pedro Horchulhack, Eduardo K. Viegas, A. Santin, F. Ramos
{"title":"Detecção de Overbooking em Aplicações Baseadas em Docker Através de Aprendizagem de Máquina","authors":"Pedro Horchulhack, Eduardo K. Viegas, A. Santin, F. Ramos","doi":"10.5753/sbrc_estendido.2022.223437","DOIUrl":null,"url":null,"abstract":"O artigo propõe um modelo de aprendizado de máquina para detectar ambientes Kubernetes com overbook de recursos em um contêiner do Docker. As métricas do aplicativo e do sistema foram coletadas continuamente, as quais foram usadas como entrada para o modelo para identificar interferência causada por multi-tenancy. Os experimentos foram executados em um cluster Kubernetes, com um aplicativo de Big Data baseado em contêiner, o que mostrou que o modelo pode detectar overbooking de recursos com precisões de até 98% em um cenário que pode causar degradação no desempenho do aplicativo, com taxas de overbooking de até 1,2.","PeriodicalId":365067,"journal":{"name":"Anais Estendidos do XL Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC Estendido 2022)","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2022-05-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais Estendidos do XL Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC Estendido 2022)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/sbrc_estendido.2022.223437","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
O artigo propõe um modelo de aprendizado de máquina para detectar ambientes Kubernetes com overbook de recursos em um contêiner do Docker. As métricas do aplicativo e do sistema foram coletadas continuamente, as quais foram usadas como entrada para o modelo para identificar interferência causada por multi-tenancy. Os experimentos foram executados em um cluster Kubernetes, com um aplicativo de Big Data baseado em contêiner, o que mostrou que o modelo pode detectar overbooking de recursos com precisões de até 98% em um cenário que pode causar degradação no desempenho do aplicativo, com taxas de overbooking de até 1,2.