ระบบฐานความรู้แบบยืดหยุ่นสำหรับการวิเคราะห์ข้อมูลบนคลาวด์คอมพิวติง
Article Sidebar
Main Article Content
บทคัดย่อ
ระบบฐานความรู้เป็นระเบียบวิธีหนึ่งที่จะช่วยวิเคราะห์ข้อมูลที่มีรูปแบบของความสัมพันธ์ระหว่างข้อมูลที่ซับซ้อนด้วยการสกัดสารสนเทศและความรู้แบบปริยายออกมาจากข้อมูลข้อเท็จจริงที่ชัดแจ้งผ่านกระบวนการอนุมานด้วยเหตุผล อย่างไรก็ตาม เมื่อข้อมูลที่ต้องนำมาวิเคราะห์มีจำนวนมากและขนาดใหญ่ ทำให้ต้องใช้เวลาในการประมวลผลนาน งานวิจัยนี้เป็นการนำเสนอวิธีการวิเคราะห์ข้อมูลขนาดใหญ่ด้วยการใช้ระบบฐานความรู้บนคลาวด์คอมพิวติง เพื่อวิเคราะห์ข้อมูลจำนวนมากได้ในเวลาอันรวดเร็ว โดยกระจายการประมวลผลของระบบฐานความรู้ไปในทรัพยากรคอมพิวเตอร์ในระบบคลาวด์คอมพิวติงอย่างยืดหยุ่นด้วยการปรับขนาดแบบอัตโนมัติ เพื่อเพิ่มหรือลดจำนวนทรัพยากรประมวลผลตามปริมาณงาน ระบบนี้ถูกทดสอบด้วยการเปรียบเทียบเวลาที่ใช้ในการวิเคราะห์ข้อมูลการชำรุดของอุปกรณ์เมื่อใช้การปรับขนาดทรัพยากรแบบอัตโนมัติและเมื่อใช้ทรัพยากรแบบคงที่ ผลการทดสอบแสดงให้เห็นว่า สามารถวิเคราะห์และประมวลผลข้อมูลอุปกรณ์ชำรุดได้อย่างรวดเร็ว โดยใช้เวลาในการประมวลผลเสร็จใกล้เคียงกับการใช้เครื่องเสมือนจำนวน 9 เครื่อง แต่เสียค่าใช้จ่ายใกล้เคียงกับการใช้เครื่องเสมือนจำนวน 2 เครื่อง ทำให้ได้ประสิทธิภาพต่อราคาที่สูงสุด
Article Details
References
C. Chen, S. Chen, F. Yin, and W. Wang. “Efficient Hybriding Auto-scaling for OpenStack Platforms.” 2015 IEEE International Conference on Smart City/SocialCom/SustainCom (SmartCity), Chengdu, pp. 1079-1085, 2015.
J. Bao, Z. Lu, J. Wu, S. Zhang, and Y. Zhong. “Implementing a Novel Load-aware Auto Scale Scheme for Private Cloud Resource Management Platform.” 2014 IEEE Network Operations and Management Symposium (NOMS), Krakow, pp. 1-4, 2014.
A. A. D. P. Souza, and M. A. S. Netto. “Using Application Data for SLA-Aware Auto-scaling in Cloud Environments.” 2015 IEEE 23rd International Symposium on Modeling, Analysis, and Simulation of Computer and Telecommunication Systems, Atlanta, GA, pp. 252-255, 2015.
M. Wang, D. Zhang, and B. Wu. “A Cluster Autos Based on Multiple Node Types in Kubernetes.” 2020 IEEE 4th Information Technology, Networking, Electronic and Automation Control Conference (ITNEC), Chongqing, China, pp. 575-579, 2020.
Kubernetes Cluster Autoscaler, Google Kubernetes Engine’s Cluster Autoscaler. Available Online at https://cloud.google.com/kubernetes-engine/docs/concepts/cluster-autoscaler, accessed on 1 September 2022.
Amazon Web Services, AWS ParallelCluster Auto Scaling. Available Online at https://docs.aws.amazon. com/parallelcluster/latest/ug/autoscaling.html, accessed on 1 September 2022.
A. Luckow, I. Paraskevakos, G. Chantzialexiou, and S. Jha. “Hadoop on HPC: Integrating Hadoop and Pilot-Based Dynamic Resource Management.” 2016 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), 2016.
S. L. Kendal, and M. Creen. An Introduction to Knowledge Engineering. Springer, 2007.
S. J. Russell, and P. Norvig. “Artificial Intelligence A Modern Approach”, Fourth Edition, pp. 356, Pearson, 2022.
K. Jahr, and A. Borrmann. “Semi-automated Site Equipment Selection and Configuration through Formal Knowledge Representation and Inference.” Advanced Engineering Informatics, Vol. 38, pp. 488-500, 2018.
M. Ju, and Q. Qian. “Materials Knowledge Reasoning with Production based System.” Computational Materials Science, Vol. 173, February 2020.
M. Li, W. Lu, D. Xiang, and Z. Wen. “Design and Realization of Transformer Fault Diagnostic Expert System Based on Drools.” 2015 International Conference on Computational Intelligence and Communication Networks (CICN), 2015.
Slurm Workload Manager. Available Online at https://slurm.schedmd.com/. accessed on 1 September 2022.
OpenStack: Open Source Cloud Computing Infrastructure. Available Online at https://www. openstack.org. accessed on 1 September 2022.
Drools. Available Online at https://www.drools.org/. accessed on 1 September 2022.
A. Fobel, and N. Subramanian. “Comparison of the Performance of Drools and Jena Rule-based Systems for Event Processing on the Semantic Web.” 2016 IEEE 14th International Conference on Software Engineering Research, Management and Applications (SERA), 2016.
LINPACK Benchmark. Available Online at https://netlib.org/benchmark/. accessed on 1 September 2022.
N. R. Milton. Knowledge Acquisition in Practice A Step-by-step Guide. Springer, 2007.