Adaptive, scalable and reliable monitoring of big data on clouds

نظارت بر منابع ابری در زمان واقعی برای انجام وظایف مختلف مانند تجزیه و تحلیل عملکرد، مدیریت بار کاری، برنامه ریزی ظرفیت و شناسایی خطا بسیار مهم است. برنامه های تولید داده های بزرگ باعث می شود که کار نظارت در فرکانس های نمونه گیری بالا به دلیل بالا بردن هزینه های محاسباتی و ارتباطی در جمع آوری، ذخیره سازی و مدیریت اطلاعات رخ دهد. ما یک الگوریتم تطبیقی ​​برای نظارت بر برنامه های داده بزرگ ارائه می دهیم که فواصل نمونه گیری و فرکانس به روز رسانی را به ویژگی های داده ها و نیازهای مدیران تطبیق می دهد. سازگاری به ما امکان می دهد هزینه های محاسباتی و ارتباطی را محدود و ضمانت بسیار بالایی را در گرفتن تغییرات مربوط به بار ایجاد کنیم. ارزیابی تجربی بر روی یک تست بزرگ نشان می دهد توانایی الگوریتم تطبیقی ​​پیشنهادی برای کاهش استفاده از منابع و هزینه های ارتباطی از نظارت داده های بزرگ بدون جریمه کردن کیفیت داده ها و نشان دادن پیشرفت های ما به حالت هنر است.