Odhad prevádzky na databázových serveroch využitím modelov strojového učenia

Bc. Patrik Michalák

Master's thesis

Využitie umelé inteligencie pre odhad prevádzky na databázových serveroch

Abstract:

Hlavní myšlenkou této práce je navrhnout komplexní řešení inteligentního monitorovacího systému, který využitím metod strojového učení odhaduje budoucí hodnoty sledované metriky provozu. Na základě odhadované zátěže následně vhodně upravovat tvar topologie clusterů databázových serverů za účelem zvýšení stability, dostupnosti, rychlosti služby a efektivního využívání cloudových výpočetních prostředků.

Abstract:

The goal of this paper is using techniques of machine learning create a complex intelligent monitoring solution for a traffic prediction on database servers. Based on predictions continuously modify clusters topology for the best performance results, high availability and effective cloud computing power usage.

Abstract:

Hlavnou myšlienkou tejto práce je navrhnúť komplexné riešenie inteligentného monitorovacieho systému, ktorý využitím metód strojového učenia odhaduje budúce hodnoty sledovanej metriky prevádzky. Na základe odhadovanej záťaže následne vhodne upravovať tvar topológie klastrov databázových serverov za účelom zvýšenia stability, dostupnosti, rýchlosti služby a efektívneho využívania cloudových výpočetných prostriedkov.

Keywords

clustering, databázový server, strojové učení, cloudové služby, lineární regrese, neuronové sítě

Keywords

clustering, cloud computing, machine learning, linear regression, neural networks, database server

Keywords

clustering, databázový server, cloudové služby, strojové učenie, lineárna regresia, neurónové siete

Language used: Slovak

Date on which the thesis was submitted / produced: 15. 5. 2020

Thesis defence

• Supervisor: doc. Ing. František Dařena, Ph.D.

Mendel University in Brno

Faculty of Business and Economics

Master programme / field / specializace:
Engineering Informatics / Automation Control and Informatics / Informatics and its Application