dc.contributor.advisor | Montaño, Razer Anthom Nizer Rojas, 1975- | pt_BR |
dc.contributor.author | Scholze, Alice Neves | pt_BR |
dc.contributor.other | Universidade Federal do Paraná | pt_BR |
dc.date.accessioned | 2022-07-01T16:18:37Z | |
dc.date.available | 2022-07-01T16:18:37Z | |
dc.date.issued | 2021 | pt_BR |
dc.identifier.uri | https://hdl.handle.net/1884/76251 | |
dc.description | Orientador: Prof. Dr. Razer Anthom Nizer Rojas Montano | pt_BR |
dc.description | Monografia (especialização) - Universidade Federal do Paraná, Setor de de Educação Profissional e Tecnológica, Curso de Especialização em Inteligência Artificial Aplicada. | pt_BR |
dc.description | Inclui referências: p. 20 | pt_BR |
dc.description.abstract | Resumo: A computação em nuvem trouxe o conceito de escalabilidade e, como forma de dispor os sistemas na nuvem, passaram a ser utilizadas aplicações conteinerizadas. O Kubernetes provê a possibilidade de escalar aplicações por meio dos pods — conjunto de containers. Consegue realizar este processo de forma automática (HPA) utilizando métricas de CPU e memória, porém não com a latência, um valor que pode ser constantemente alterado conforme a quantidade de requisições. Dado que Reinforcement Learnings (RLs) atuam com cenários iterativos, esta pesquisa partiu da hipótese de que os modelos Q-Learning e SARSA conseguem escalar a quantidade de pods de uma aplicação, baseados na latência e, atingir melhores resultados que o HPA. Para testar esta hipótese, foi desenvolvida uma aplicação contida no Kubernetes que informa a métrica de latência. Esta métrica é lida pelos modelos, que a utilizam para definir a quantidade de pods. Como resultado, a hipótese se mostrou verdadeira dado que ambos os modelos mostraram adaptabilidade, aumentando e diminuindo a quantidade de pods quanto necessário. As principais diferenças entre eles foram que o SARSA manteve em maior proporção a latência dentro do ideal, enquanto que o Q-Learning demonstrou uma adaptação mais rápida ao sair de um estado de alta para baixa latência. Já comparados ao HPA, ambos os modelos atingiram melhores resultados. | pt_BR |
dc.format.extent | 1 recurso online : PDF. | pt_BR |
dc.format.mimetype | application/pdf | pt_BR |
dc.language | Português | pt_BR |
dc.subject | Inteligência artificial | pt_BR |
dc.subject | Computação em nuvem | pt_BR |
dc.subject | Algorítmos de computador | pt_BR |
dc.title | Escalonamento horizontal baseado em Reinforcement Learning | pt_BR |
dc.type | Monografia Especialização Digital | pt_BR |