On-Demand Self-Adaptivity of Service Availability for Cloud Multi-tier Applications

Yang, Jin; Pang, Jianmin; Qi, N. D.; Qi, Tao

doi:10.1109/ccgrid.2015.146

Cited by 3 publications

(3 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In this section the software architecture is explained. It is designed in a multi-tier architecture[ 36 ] and is comprised of two tiers. These tiers are illustrated in Figure 6 and are explained in the following:…”

Section: R Esults and Discussionmentioning

confidence: 99%

Open-source Software for Demand Forecasting of Clinical Laboratory Test Volumes Using Time-series Analysis

Mohammed

Naugler

2017

Journal of Pathology Informatics

View full text Add to dashboard Cite

Background:Demand forecasting is the area of predictive analytics devoted to predicting future volumes of services or consumables. Fair understanding and estimation of how demand will vary facilitates the optimal utilization of resources. In a medical laboratory, accurate forecasting of future demand, that is, test volumes, can increase efficiency and facilitate long-term laboratory planning. Importantly, in an era of utilization management initiatives, accurately predicted volumes compared to the realized test volumes can form a precise way to evaluate utilization management initiatives. Laboratory test volumes are often highly amenable to forecasting by time-series models; however, the statistical software needed to do this is generally either expensive or highly technical.Method:In this paper, we describe an open-source web-based software tool for time-series forecasting and explain how to use it as a demand forecasting tool in clinical laboratories to estimate test volumes.Results:This tool has three different models, that is, Holt-Winters multiplicative, Holt-Winters additive, and simple linear regression. Moreover, these models are ranked and the best one is highlighted.Conclusion:This tool will allow anyone with historic test volume data to model future demand.

show abstract

Section: R Esults and Discussionmentioning

confidence: 99%

Open-source Software for Demand Forecasting of Clinical Laboratory Test Volumes Using Time-series Analysis

Mohammed

Naugler

2017

Journal of Pathology Informatics

View full text Add to dashboard Cite

show abstract

“…В рамках данного документа отмечается, что ключевыми характеристиками облачных вычислений являются: -самообслуживание по требованию -потребитель самостоятельно определяет свои вычислительные потребности: серверное время, скорости доступа и обработки данных, объем хранимых данных, без необходимости прямого взаимодействия с представителем поставщика услуг. Так, в статьях [40,52,79] приведены примеры решений, обеспечивающих повышение быстродействия в системах облачных вычислений с обеспечением самообслуживания по требованию; -универсальный доступ по сети -услуги облачных систем доступны потребителям по сети передачи данных вне зависимости от используемого терминального устройства; -объединение ресурсов -поставщик услуг объединяет ресурсы вычислительной системы в единый пул, обеспечивая возможность динамического перераспределения мощностей между большим числом независимых потребителей в условиях постоянного изменения спроса на мощности. При этом, потребители контролируют только основные параметры запрашиваемых услуг (например, объем необходимой памяти, скорость доступа), но фактическое распределение ресурсов, предоставляемых потребителю, осуществляет поставщик.…”

Section: ключевые характеристики облачных вычисленийunclassified

Overview of Fog Computing Organization Technologies

2020

CMSE

View full text Add to dashboard Cite

Поскольку Интернет вещей (IoT) становится частью нашей повседневной жизни, наблюдается быстрый рост числа подключенных устройств. Устоявшийся подход, основанный на технологиях облачных вычислений, не может обеспечить необходимое качество обслуживания в таких условиях, в частности, в вопросах уменьшения времени задержки при передаче данных. Технология туманных вычислений сегодня рассматриваются как многообещающее решение для обработки большого объема критически важных и чувствительных ко времени данных. В этой статье рассмотрена технология облачных вычислений, а также анализируются предпосылки к эволюционному развитию этого подхода и появлению концепции туманных вычислений. В рамках обзора ключевых особенностей туманных вычислений произведен разбор часто встречающейся путаницы с объединением понятий туманных и краевых вычислений. Приведен обзор технологий организации туманных вычислений: виртуализация, контейнеризация и оркестрация, а также систематический анализ наиболее популярных платформ, обеспечивающих поддержку туманных вычислений. В результате анализа нами предлагается два подхода к классификации платформ туманных вычислений: по принципу открытости/закрытости компонентов, а также трехуровневая классификация на основе предоставляемого функционала платформы (Deploy-, Platform-и Ecosystem as a Service). Ключевые слова: облачные вычисления, туманные вычисления, краевые вычисления, интернет вещей.

show abstract

“…This is analogous to household use of utilities such as electricity. As cloud computing is in its evolving stage, so there are many problems prevalent in cloud computing [11], [16]. Such as:…”

Section: Characteristics Of Cloud Computingmentioning

confidence: 99%

A Review on Dynamic Resource Allocation Based on Lease Types in Cloud Environment

Kaur

Ghumman

2017

IJCT

View full text Add to dashboard Cite

Load balancing is one of the essential factors to enhance the working performance of the cloud service provider. Cloud Computing is an emerging computing paradigm. It aims to share data, calculations, and service transparently over a scalable network of nodes. Since Cloud computing stores the data and disseminated resources in the open environment. Since, cloud has inherited characteristic of distributed computing and virtualization there is a possibility of machines getting unused. Hence, in this paper, different load balancing algorithms has been studied. Different kinds of job types have been discussed and their problems have been reviewed. In the cloud storage, load balancing is a key issue. It would consume a lot of cost to maintain load information, since the system is too huge to timely disperse load. Load balancing is one of the main challenges in cloud computing which is required to distribute the dynamic workload across multiple nodes to ensure that no single node is overwhelmed.

show abstract

On-Demand Self-Adaptivity of Service Availability for Cloud Multi-tier Applications

Cited by 3 publications

References 5 publications

Open-source Software for Demand Forecasting of Clinical Laboratory Test Volumes Using Time-series Analysis

Open-source Software for Demand Forecasting of Clinical Laboratory Test Volumes Using Time-series Analysis

Overview of Fog Computing Organization Technologies

A Review on Dynamic Resource Allocation Based on Lease Types in Cloud Environment

Contact Info

Product

Resources

About