یک روش خودکار برای تخمین قابلیت اطمینان سیستم های شبکه با استفاده از شبکه های بیزی
چکیده
محاسبات شبکه کاربردهای مختلفی در اشتراک گذاری منابع در مقیاس بزرگ، انتقال اطلاعات و همکاری های چندنهادی دارد.به طور کلی در محاسبات شبکه ، درخواست های خدمات ،مجموعه ای از منابع موجود در یک شبکه را برای تکلیف وظایف خاص استفاده می کنند.اگر چه تجزیه و تحلیل ابزار و تکنیک برای این نوع از سیستم ها مورد مطالعه قرار گرفته ولی تجزیه و تحلیل قابلیت اطمینان شبکه با توجه به پیچیدگی سیستم به محاسبات زیادی نیاز دارد.علاوه بر این مدلهای قابلیت اطمینان برخی از پیش فرض های مشترک است که نمی تواند به این نوع از سیستم های شبکه اعمال شود.بنابراین یک روش تحلیلی جدید برای ارزیابی موثر و دقیق از قابلیت اطمینان شبکه مورد نیاز است.این مطالعه یک روش جدید برای تخمین قابلیت اطمینان خدمات شبکه ارائه می دهد که بر خلاف مطالعات قبلی نیاز به دانش قبلی در مورد ساختار شبکه نمی باشد، علاوه بر این روش پیشنهاد شده متکی به پیوند و نرخ شکست گره نمی باشد.این رویکرد مبتنی بر یک الگوریتم داده کاوی k2 است که اجازه می دهد مینیمم درخت پوشای منابع (MRST)جستجو شود و پس از آن از شبکه های بیزین برای مدل کردن MRST و برآورد قابلیت اطمینان خدمات شبکه استفاده می کند.
مقدمه
به طور کلی ، در محاسبات شبکه ، خدمات مجموعه ای از منابع موجود در یک شبکه را برای تکمیل وظایف خاص خود درخواست می کنند.بسیاری از کارشناسان بر این باورند که که فن آوری شبکه ، فرصتی برای گسترش منافع از اینترنت را ارائه می دهد.با این حال تجزیه و تحلیل قابلیت اطمینان شبکه با توجه به ویژگی های ناهمگن و توزیع شده آن دشوار است.زیرا سیستم شبکه شامل به اشتراک گذاری متقابل سازمانی و روشهای فن آوری محاسبات توزیع شده است، به عنوان مثال سیستم های محاسباتی توزیع شده می توانند از تکنولوژی شبکه برای به اشتراک گذاری منابع استفاده کنند.بنابراین روش تحلیلی جدید ، به ارزیابی قابلیت اطمینان شبکه نیاز دارد.به عنوان موضوعات اخیر ، مطالعات زیادی در مورد برآورد قابلیت اطمینان سیستم شبکه وجود دارد.در این مقاله قابلیت اطمینان سیستم شبکه با تمرکز بر قابلیت اطمینان خدمات ارائه شده در سیستم شبکه تخمین زده می شود.برای این منظور ، اجزای سیستم شبکه درگیر در سرویس شبکه ، درخت های پوشای طبقه بندی شده هستند و هر درخت به طور جداگانه مورد مطالعه قرار میگیرد.با این حال این مطالعه تمرکز می کند بر روی ساختار سیستم شبکه به جای برآورد قابلیت اطمینان شبکه.برای برآورد قابلیت اطمینان ، شبکه های بیزی به عنوان یه روش کارآمد پیشنهاد می شود.BN مزایای زیادی برای مهندسان سیستم فراهم کرده است.عمدتا به آسانی می توانند در تعامل به خبرگان در زمینه ی قابلیت اطمینان مورد استفاده قرار گیرند.با استفاده از ساختار BN و ارزش احتمالاتی ، قابلیت اطمینان سیستم می تواند به کمک قوانین بیز برآورد شود.روش پیشنهاد شده در این مقاله روند خودکار کشف درخت پوشا و BN با استفاده از الگوریتم K2 است که ارتباط بین اجزای سیستم شبکه با استفده از یک تابع از پیش تعریف شده ای شناسایی می کند.
An automated method for estimating reliability of grid systems using Bayesian networks
Abstract
Grid computing has become relevant due to its applications to large-scale resource sharing, wide-area information transfer, and multi-institutional collaborating. In general, in grid computing a service requests the use of a set of resources, available in a grid, to complete certain tasks. Although analysis tools and techniques for these types of systems have been studied, grid reliability analysis is generally computation-intensive to obtain due to the complexity of the system. Moreover, conventional reliability models have some common assumptions that cannot be applied to the grid systems. Therefore, new analytical methods are needed for effective and accurate assessment of grid reliability. This study presents a new method for estimating grid service reliability, which does not require prior knowledge about the grid system structure unlike the previous studies. Moreover, the proposed method does not rely on any assumptions about the link and node failure rates. This approach is based on a data-mining algorithm, the K2, to discover the grid system structure from raw historical system data, that allows to find minimum resource spanning trees (MRST) within the grid then, uses Bayesian networks (BN) to model the MRST and estimate grid service reliability.
لینک مقاله اصلی:
https://www.sciencedirect.com/science/article/pii/S0951832012000506
لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد