Comparação de Regressão Linear e Redes Neurais para Predição de Desempenho e Alocação Autônoma de Recursos em Nuvem
Resumo
Este artigo investiga a eficácia de modelos de Regressão Linear Múltipla (RLM) e Redes Neurais Artificiais (RNA) para o gerenciamento autônomo de recursos em ambientes de computação em nuvem, aplicados na arquitetura de sistemas multiagentes Multi-Agent System for Cloud (MAS-Cloud+). O objetivo é otimizar a alocação de Máquina Virtuals (MVs) e garantir o cumprimento de Acordo de Nível de Serviços (SLAs). Avaliamos os modelos através de métricas de acurácia (Coeficiente de Determinação (R²), Erro Quadrático Médio (MSE) e Erro Absoluto Médio (MAE)) e pelo impacto de suas predições nas decisões de provisionamento. Os experimentos, conduzidos com a aplicação MASA-OpenMP em diversas cargas de trabalho, demonstram que a RLM oferece desempenho superior em consistência e precisão. A RLM alcançou um R² médio de 0,97 e um MSE de 0,03, superando a RNA, que apresentou alta variabilidade e erros significativamente maiores. Consequentemente, a RLM resultou em escolhas de MVs mais econômicas e com menor taxa de violação de SLA, consolidando-se como a abordagem mais robusta para o cenário avaliado.
Referências
Kumar, A. M. S., Padmanaban, K., Velmurugan, A. K., Shiny, X. S. A., and Anguraj, D. K. (2023a). A novel resource management framework in a cloud computing environment using Hybrid Cat Swarm BAT (HCSBAT) algorithm. Distributed and Parallel Databases, 41(1-2):53–63.
Kumar, K. D. and Umamaheswari, E. (2018). Prediction methods for effective resource provisioning in cloud computing: A survey. Multiagent and Grid Systems, 14(3):283–305.
Kumar, R., Hassan, M. F., Adnan, M. H. M., Shukla, S., Safdar, S., Qureshi, M. A., and Abdel-Aty, A.-H. (2023b). A user-priorities-based strategy for three-phase intelligent recommendation and negotiating agents for cloud services. IEEE Access, 11:26932–26944.
Li, X., Pan, L., and Liu, S. (2022). A survey of resource provisioning problem in cloud brokers. Journal of Network and Computer Applications, page 103384.
Mell, P. and Grance, T. (2011). The nist definition of cloud computing. National Institute of Standards and Technology, 53(6).
Mendes, A. H., Rosa, M. J., Marotta, M. A., Araujo, A., Melo, A. C., and Ralha, C. G. (2024). Mas-cloud+: A novel multi-agent architecture with reasoning models for resource management in multiple providers. Future Generation Computer Systems, 154:16–34.
Mendes, A. H. D. and Ralha, C. G. (2024). Arquitetura multiagente com modelos de raciocínio distintos para gerenciamento de recursos em múltiplos provedores de nuvem. PhD thesis, Universidade de Brasília, Brasília.
Saif, M. A. N., Niranjan, S., Murshed, B. A. H., Al-ariki, H. D. E., and Abdulwahab, H. M. (2022). Multi-agent qos-aware autonomic resource provisioning framework for elastic bpm in containerized multi-cloud environment. Journal of Ambient Intelligence and Humanized Computing, pages 1–26.
Schulman, J., Wolski, F., Dhariwal, P., Radford, A., and Klimov, O. (2017). Proximal policy optimization algorithms. arXiv preprint arXiv:1707.06347v2 [cs.LG].
Yang, X.-S. (2014). Chapter 10 - bat algorithms. In Yang, X.-S., editor, Nature-Inspired Optimization Algorithms, pages 141–154. Elsevier, Oxford.
