dc.contributor.author | Κρητικός, Σπυρίδων | el |
dc.contributor.author | Kritikos, Spyridon | en |
dc.date.accessioned | 2023-01-13T09:33:21Z | |
dc.date.available | 2023-01-13T09:33:21Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/56683 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.24381 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Υπολογισμός στα άκρα δικτύου | el |
dc.subject | Αυτόματη Κλιμάκωση | el |
dc.subject | Μηχανική Μάθηση | el |
dc.subject | Αποθηκευτικό Νέφος | el |
dc.subject | Ενορχήστρωση | el |
dc.subject | Kubernetes | en |
dc.subject | Edge Computing | en |
dc.subject | Machine Learning | en |
dc.subject | Cloud Storage | en |
dc.subject | Autoscaling | en |
dc.title | Δυναμική διαχείριση πόρων σε Kubernetes | el |
heal.type | bachelorThesis | |
heal.classification | Computer Programming | en |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2022-09-28 | |
heal.abstract | Η ραγδαία ανάπτυξη εφαρμογών υπολογιστικού νέφους αποτελεί μια καινοτομία που ασπάζεται από τον εταιρικό κόσμο όλο και περισσότερο, αφήνοντας πίσω τον παραδοσιακό χαρακτήρα ανάπτυξης εφαρμογών. Σε παράλληλο βαθμό αναπτύσσονται και εφαρμογές που υιοθετούν το μοντέλο του υπολογισμού στα άκρα του δικτύου, το οποίο είναι ένα κατανεμημένο υπολογιστικό πλαίσιο που φέρνει τις επιχειρησιακές εφαρμογές πιο κοντά σε πηγές δεδομένων. Οι επιχειρήσεις που χρησιμοποιούν τις παραπάνω εφαρμογές έχουν ισχυρά πλεονεκτήματα , όπως βελτιωμένους χρόνους απόκρισης. Οι μικροϋπηρεσίες που συνιστούν τις εν λόγω εφαρμογές βασίζονται σε containerized αρχιτεκτονικές (αρχιτεκτονικές κιβωτίων). Τα containers διαμορφώνουν τη νέα εποχή των εφαρμογών υπολογιστικού νέφους λόγω των βασικών οφελών τους, όπως το μικρό βάρος, η ελάχιστη κατανάλωση πόρων για την εκτέλεση μιας εφαρμογής που μειώνει το κόστος και η εύκολη και ταχεία κλιμάκωση ανάλογα με τις απαιτήσεις του φόρτου εργασίας. Ωστόσο, οι εφαρμογές νέφους που βασίζονται σε κιβώτια απαιτούν εξελιγμένες μεθόδους αυτόματης κλιμάκωσης, ικανές για να δεσμεύουν και να αποδεσμεύουν αυτόματα και έγκαιρα πόρους νέφους χωρίς την ανθρώπινη παρέμβαση, ανταποκρινόμενες στις δυναμικές διακυμάνσεις του φόρτου εργασίας. Το Kubernetes, ο ενορχηστρωτής κιβωτίων για εφαρμογές που αναπτύσσονται στο υπολογιστικό νέφος, προσφέρει αυτόματη κλιμάκωση για τον πάροχο της εφαρμογής προκειμένου να ανταποκρίνεται στη συνεχώς μεταβαλλόμενη ένταση της ζήτησης. Αυτή η δυνατότητα αυτόματης κλιμάκωσης μπορεί να προσαρμοστεί με ένα σύνολο παραμέτρων, αλλά αυτές οι παράμετροι διαχείρισης είναι στατικές, ενώ η δυναμική των εισερχόμενων αιτημάτων ιστού συχνά αλλάζει. Στη παρούσα διπλωματική θέσαμε ως απώτερο στόχο να κάνουμε τη διαχείριση των εφαρμογών που βασίζονται στο νέφος καλύτερη και αποτελεσματικότερη. Προτείνουμε μια λογική κατανομής πόρων σε περιβάλλον Kubernetes, χρησιμοποιώντας τεχνικές μηχανικής μάθησης, που καθιστά τις αποφάσεις αυτόματης κλιμάκωσης κατάλληλες για τον χειρισμό της πραγματικής μεταβλητότητας των εισερχόμενων αιτημάτων. | el |
heal.abstract | The rapid development of cloud computing applications is an innovation that is increasingly embraced by the corporate world, leaving behind the traditional nature of application development. Furthermore, applications are being developed that adopt the model of edge computing, which is a distributed computing framework that brings business applications closer to data sources. Enterprises using these applications have strong advantages, such as improved response times. The microservices that consist these applications are based on containerized architectures. Containers are shaping the new era of cloud computing applications due to their key benefits such as light weight, minimal resource consumption to run an application which reduces costs, and easy and rapid scaling according to workload requirements. However, container-based cloud applications require sophisticated automatic scaling methods capable of automatically and timely provisioning of the cloud resources, without human intervention, in response to dynamic workload fluctuations. Kubernetes, the container orchestrator for applications deployed in cloud computing, offers automatic scaling for the application provider to respond to ever-changing demand intensity. This automatic scaling capability can be customized with a set of parameters, but these management parameters are static, while the dynamics of incoming web requests often change. In this thesis we set the ultimate goal of making the management of cloud-based applications better and more efficient. We propose a resource allocation logic in a Kubernetes environment, using machine learning techniques, that makes automatic scaling decisions suitable for handling the real variability of incoming requests. | en |
heal.advisorName | Παπαβασιλείου, Συμεών | el |
heal.committeeMemberName | Ρουσσάκη, Ιωάννα | el |
heal.committeeMemberName | Βαρβαρίγου, Θεοδώρα | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 54 σ. | el |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: