Managing Distributed Cloud Applications and Infrastructure: A Self-Optimising Approach

ظهور اینترنت اشیا (IoT)، همراه با ناهمگونی بیشتر نه تنها آنلاین در معماری‌های رایانش ابری، بلکه در سراسر پیوستار ابر به لبه، چالش‌های جدیدی را برای مدیریت برنامه‌ها و زیرساخت‌ها در سراسر این زنجیره ایجاد می‌کند. . مقیاس و پیچیدگی آن به قدری پیچیده است که دیگر برای تیم های فناوری اطلاعات واقع بینانه نیست که به صورت دستی مسائل بالقوه را پیش بینی کنند و پویایی و وابستگی ها را در زنجیره ارائه خدمات وابسته به هم فزاینده ای مدیریت کنند.

این Open Access Pivot این چالش ها را بررسی می کند و راه حلی برای مدیریت هوشمند و قابل اعتماد زیرساخت فیزیکی و قرار دادن بهینه برنامه ها برای ارائه خدمات در ابرهای توزیع شده ارائه می دهد. این کتاب یک مدل مرجع مفهومی برای تأمین ظرفیت قابل اعتماد برای ابرهای توزیع شده ارائه می‌کند و در مورد چگونگی تجزیه و تحلیل داده‌ها و یادگیری ماشین، بهینه‌سازی برنامه‌ها و زیرساخت‌ها و شبیه‌سازی بحث می‌کند که می‌توانند کیفیت خدمات مورد نیاز را با هزینه کارآمد در این فضای ویژگی پیچیده ارائه دهند. اینها از طریق یک سری مطالعات موردی در محاسبات ابری، مخابرات، تجزیه و تحلیل داده های بزرگ و شهرهای هوشمند نشان داده شده اند.

The emergence of the Internet of Things (IoT), combined with greater heterogeneity not only online in cloud computing architectures but across the cloud-to-edge continuum, is introducing new challenges for managing applications and infrastructure across this continuum. The scale and complexity is simply so complex that it is no longer realistic for IT teams to manually foresee the potential issues and manage the dynamism and dependencies across an increasing inter-dependent chain of service provision.

This Open Access Pivot explores these challenges and offers a solution for the intelligent and reliable management of physical infrastructure and the optimal placement of applications for the provision of services on distributed clouds. This book provides a conceptual reference model for reliable capacity provisioning for distributed clouds and discusses how data analytics and machine learning, application and infrastructure optimization, and simulation can deliver quality of service requirements cost-efficiently in this complex feature space. These are illustrated through a series of case studies in cloud computing, telecommunications, big data analytics, and smart cities.