اطلاعات پایان نامه
شماره شناسایی : 39106631
نام و نام خانوادگی : مهناز كورنگ بهشتي
عنوان پایان نامه : بکارگیری ماشین بردار پشتیبان در پیش‌بینی خرابی بیزانسی جهت افزایش دسترس‌پذیری و تحمل خرابی ماشین‌ها در سیستم های رایانش ابری
رشته تحصیلی : مهندسي كامپيوتر نرم افزار
مقطع تحصیلی : كارشناسي ارشد
استاد راهنما : فرامرز صافي
استاد مشاور :
چکیده : یکی از مهم‌ترین جنبه‌های طراحی سیستم‌های توزیع‌شده ترمیم خودکار خرابی‌ها به صورت جزیی یا کلی می‌باشد و در حالت کلی سیستم‌ها باید آمادگی مقابله باهر نوع خرابی را داشته باشند. اما یکی از موضوعاتی که اغلب در بحث مقابله با خرابی از آن غفلت می‌شود، مقابله با خرابی‌های بیزانسی در خدمت‌گزارها است. خرابی بیزانسی وخیم‌ترین نوع خرابی دلبخواه است. به‌طورکلی می‌توان گفت که در خرابی بیزانسی خدمت‌گزار در زمان‌های دلبخواه پاسخ‌های دلبخواه تولید می‌کند. خرابی بیزانسی زمانی اتفاق می‌افتد که تمامی فرآیندها نتوانند درباره یک موضوع به اجماع برسند. یکی از مهم‌ترین جنبه‌های طراحی سیستم های توزیعی مانند ابر این است که سیستم در برابر خرابی دچار نقصان جدی نشود. در مدل تحمل خرابی بیزانسی که از منابع داوطلبانه در محیط محاسبات ابری استفاده می‌کند (BFT-Cloud)، سعی می‌شود با وجود 3f+1 منبع، حداکثر تعداد f خرابی بیزانسی را به کمک سیاست واکنشی تحمل کند و قابلیت اطمینان سیستم را بالا نگه دارد و عملکرد خوب سیستم را تضمین نماید. این مدل از تکنیک تکرار کمک گرفته و از سویی با اجرای مجدد دستورات سعی می‌کند سیستم را در مقابل تحمل خرابی بیزانسی حفظ کند. اما چالش موجود در این مدل آن است که یک درخواست باید چندین بار اجرا شود تا همه پاسخ‌های حاصل از اجرای دستورات به درستی ایجاد شوند و نیاز به اجرای مجدد نباشد. از سویی این موضوع بر زمان اجرای دستورات نیز تأثیرگذار است و باعث افزایش زمان اجرا می‌شود. در این تحقیق سعی شده با استفاده از ماشین بردار پشتیبان، منابعی که دچار خرابی بیزانسی هستند پیش‌بینی شوند و با کاهش ناهماهنگی بین پاسخ‌های خراب حاصل از خرابی بیزانسی، تعداد اجرای مجدد دستورات و زمان اجرای دستورات کاهش داده‌شود. در واقع از سیاست واکنشی در کنار سیاست پیشگویانه در مدل تحمل خرابی بیزانسی استفاده می‌گردد. هدف این است که در کنار قابلیت اطمینان، دسترس‌پذیری سیستم، که یکی از اهداف سیاست پیشگویانه است، حفظ شود. نتایج آزمایش‌ها نشان می‌دهد انتخاب ویژگی‌هایی از جمله زمان تأخیر، تعداد پردازنده‌ها، احتمال خرابی ماشین‌ها و قدرت پردازنده‌ها، بهترین انتخاب برای ویژگی ماشین بردار پشتیبان است که در مقایسه با کار پایه تعداد اجرای مجدد دستورات و زمان اجرا کاهش‌یافته و به طور میانگین در بهترین حالت برای زمان اجرا 75/94% و برای تعداد دفعات تکرار دستورات 69/78% بهبود داریم و توان عملیاتی بهتری داشته است.
کلمات کلیدی : رایانش ابری, تحمل خرابی, خرابی بیزانسی, ماشین بردار پشتیبان
تاریخ دفاع : 1396/06/30
دانلود فایل چکیده

About Proposal
Title : Applying SVM for Byzantine Failure Prediction to Increase Availability and Failure Tolerance in Cloud Computing
Abstract : One of the most important aspects of the design of distributed systems is partial or complete failure automatic recovery. In general, systems must have been able confront any type of failures. One issue that is commonly overlooked in the subject of confronting to the failures is dealing with the Byzantine failures in services. Byzantine failures are the worst kind of arbitrary failures. Here, the client should be ready for the worst possible conditions, especially if the server gives an answer that should never give. Sometimes, a number of servers, hand in hand together deliberately make false answers. In fact, in Byzantine failure, the server makes arbitrary responses in arbitrary times; and this is when all the processes are unable to reach a consensus on an issue. Also in the design of distributed systems such as cloud computing environment, the system should not be get involved in serious failures. In the model Byzantine fault tolerance (BFT-Cloud) that uses volunteer sources in cloud computing environment, it is attempted to tolerate the maximum number of Byzantine failures f with the help of reactive policy despite 3f + 1 sources, to maintain the system reliability high, and guarantees the system good function. But the present challenge of the model is that a request should be performed several times to create all the resulted responses to the requests correctly and it would not need to be re-run. On the other hand, this effects on the request execution time as well and increases the duration of runs. In this study, it is tried to predict Byzantine failures model using the Support Vector Machine (SVM) technique. It is also attempted to reduce the request re-execution and the execution time by decreasing the inconsistencies between failure responses caused by Byzantine failure. Moreover, in the study, the throughput situation for performed experiments is also examined. In fact, the reactive policy is used beside the proactive one for the Byzantine failure model. The target is to maintain the reliability beside the system availability which is one of the proactive policy goals. The experiment results show that selecting the characteristics such as Latency, PesNumber, the failure probability of the replicas and the processor ability are the best choice for the features of the support vector machine, which compared to the basis work, the number of the request re-execution and the execution time is decreased, and ideally, on average, there is75/94% improvement for the execution time and 69/78% for the number of repeated requests, and it has been a better throughput.
Keywords : cloud computing, fault tolerance, Byzantine failure, support vector machine
Download Abstract File