Resumen

La computación en la nube en el campo de las aplicaciones científicas, como el procesamiento de grandes datos científicos y el análisis de grandes datos, se ha vuelto popular debido a su modelo orientado a servicios que proporciona un conjunto de recursos informáticos y servicios abstractos, virtualizados, dinámicamente escalables y bajo demanda a través de Internet. Sin embargo, la selección de recursos para tomar la decisión correcta de instancias para una aplicación específica de interés es un problema desafiante para los investigadores. Además, proporcionar servicios con un rendimiento óptimo al menor costo de implementación de recursos financieros basado en la selección de recursos de los usuarios es bastante desafiante para los proveedores de servicios en la nube. En consecuencia, es necesario desarrollar un sistema de optimización que pueda proporcionar beneficios tanto a los usuarios como a los proveedores de servicios. En este documento, realizamos la optimización de flujos de trabajo científicos en tres perspectivas: minimización del makespan, minimización del costo de implementación de máquinas virtuales y minimización de fallas de máquinas virtuales en la

• Materias:Calibración geométrica Núcleos computacionales Consultas de palabras clave Pronóstico probabilístico Máquina de aprendizaje
• Subjects:Geometric calibration Computational kernels Keyword queries Probabilistic forecasting Machine learning
• Palabras claves:Computación en la nube; Aplicaciones científicas; Procesamiento de grandes volúmenes de datos; Selección de recursos; Sistema de optimización; Implementación de máquinas virtuales
• Keywords:Cloud computing; Scientific applications; Big data processing; Resource selection; Optimization system; Virtual machine deployment