Learning from Cloud Latency Measurements

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F15%3A00309828" target="_blank" >RIV/68407700:21230/15:00309828 - isvavai.cz</a>

Výsledek na webu

<a href="http://ieeexplore.ieee.org/document/7247457/" target="_blank" >http://ieeexplore.ieee.org/document/7247457/</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICCW.2015.7247457" target="_blank" >10.1109/ICCW.2015.7247457</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Learning from Cloud Latency Measurements

Popis výsledku v původním jazyce

Measuring, understanding, troubleshooting and optimizing various aspects of a Cloud Service hosted in remote datacenters is a vital, but non-trivial task. Carefully arranged and analyzed periodic measurements of Cloud-Service latency can provide strong insights into the service performance. A Cloud Service may exhibit latency and jitter which may be a compound result of various components of the remote computation and intermediate communication. We present methods for automated detection and interpretation of suspicious events within the multidimensional latency time series obtained by CLAudit, the previously presented planetary-scale Cloud-Service evaluation tool. We validate these methods of unsupervised learning and analyze the most frequent Cloud-Service performance degradations.

Název v anglickém jazyce

Learning from Cloud Latency Measurements

Popis výsledku anglicky

Measuring, understanding, troubleshooting and optimizing various aspects of a Cloud Service hosted in remote datacenters is a vital, but non-trivial task. Carefully arranged and analyzed periodic measurements of Cloud-Service latency can provide strong insights into the service performance. A Cloud Service may exhibit latency and jitter which may be a compound result of various components of the remote computation and intermediate communication. We present methods for automated detection and interpretation of suspicious events within the multidimensional latency time series obtained by CLAudit, the previously presented planetary-scale Cloud-Service evaluation tool. We validate these methods of unsupervised learning and analyze the most frequent Cloud-Service performance degradations.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

N - Vyzkumna aktivita podporovana z neverejnych zdroju

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2015 IEEE International Conference on Communication Workshop

ISBN

978-1-4673-6305-1

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

1895-1901

Název nakladatele

IEEE Communications Society

Místo vydání

Pomona, California

Místo konání akce

London

Datum konání akce

8. 6. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000380459900311