{"title":"您是否知道QoE","authors":"Marcos Carvalho, Daniel F. Macedo","doi":"10.5753/sbrc_estendido.2022.222318","DOIUrl":null,"url":null,"abstract":"O provedor de nuvem compartilha seus recursos computacionais entre diferentes clientes, co-localizando as aplicações no mesmo servidor. No entanto, isso pode causar degradação nas aplicações. Além disso, os provedores de nuvem utilizam métricas de Qualidade de Serviço (QoS) como forma de medir a qualidade do serviço entregue aos seus clientes. Essas métricas são pré-estabelecidas e especificadas no Service Level Objective (SLO). Contudo, o SLO baseado em QoS é insuficiente para garantir aos usuários das aplicações uma boa Qualidade de Experiência (QoE). A dissertação lida com esse problema, propondo um agendador de contêiner ciente da QoE em um ambiente de nuvem onde as aplicações sofrem interferência causada pela co-localização. Propomos uma nova abordagem que utiliza métodos de aprendizado de máquina para estimar a QoE que a nuvem pode oferecer, considerando atributos da nuvem. Experimentos mostraram que o agendamento com reconhecimento da QoE pode melhorar a QoE dos usuários, assim como reduzir o uso de recursos.","PeriodicalId":365067,"journal":{"name":"Anais Estendidos do XL Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC Estendido 2022)","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2022-05-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Agendamento de Contêineres Ciente da QoE\",\"authors\":\"Marcos Carvalho, Daniel F. Macedo\",\"doi\":\"10.5753/sbrc_estendido.2022.222318\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"O provedor de nuvem compartilha seus recursos computacionais entre diferentes clientes, co-localizando as aplicações no mesmo servidor. No entanto, isso pode causar degradação nas aplicações. Além disso, os provedores de nuvem utilizam métricas de Qualidade de Serviço (QoS) como forma de medir a qualidade do serviço entregue aos seus clientes. Essas métricas são pré-estabelecidas e especificadas no Service Level Objective (SLO). Contudo, o SLO baseado em QoS é insuficiente para garantir aos usuários das aplicações uma boa Qualidade de Experiência (QoE). A dissertação lida com esse problema, propondo um agendador de contêiner ciente da QoE em um ambiente de nuvem onde as aplicações sofrem interferência causada pela co-localização. Propomos uma nova abordagem que utiliza métodos de aprendizado de máquina para estimar a QoE que a nuvem pode oferecer, considerando atributos da nuvem. Experimentos mostraram que o agendamento com reconhecimento da QoE pode melhorar a QoE dos usuários, assim como reduzir o uso de recursos.\",\"PeriodicalId\":365067,\"journal\":{\"name\":\"Anais Estendidos do XL Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC Estendido 2022)\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-05-23\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais Estendidos do XL Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC Estendido 2022)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/sbrc_estendido.2022.222318\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais Estendidos do XL Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC Estendido 2022)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/sbrc_estendido.2022.222318","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
O provedor de nuvem compartilha seus recursos computacionais entre diferentes clientes, co-localizando as aplicações no mesmo servidor. No entanto, isso pode causar degradação nas aplicações. Além disso, os provedores de nuvem utilizam métricas de Qualidade de Serviço (QoS) como forma de medir a qualidade do serviço entregue aos seus clientes. Essas métricas são pré-estabelecidas e especificadas no Service Level Objective (SLO). Contudo, o SLO baseado em QoS é insuficiente para garantir aos usuários das aplicações uma boa Qualidade de Experiência (QoE). A dissertação lida com esse problema, propondo um agendador de contêiner ciente da QoE em um ambiente de nuvem onde as aplicações sofrem interferência causada pela co-localização. Propomos uma nova abordagem que utiliza métodos de aprendizado de máquina para estimar a QoE que a nuvem pode oferecer, considerando atributos da nuvem. Experimentos mostraram que o agendamento com reconhecimento da QoE pode melhorar a QoE dos usuários, assim como reduzir o uso de recursos.