Liên hệ ZALO 0353764719 hoặc GMAIL: 123docntcgmail.com để mua tài liệu với giá ưu đãi, GIẢM GIÁ 20 60% giá tài liệu Liên hệ ZALO 0353764719 hoặc GMAIL: 123docntcgmail.com để mua tài liệu với giá ưu đãi, GIẢM GIÁ 20 60% giá tài liệu
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH ∞0∞ CAO THÀNH NAM NGHIÊN CỨU ỨNG DỤNG AI XÂY DỰNG THUẬT TOÁN PHÂN LOẠI TÁC VỤ DỰA TRÊN ĐỘ ƯU TIÊN NHẰM NÂNG CAO HIỆU NĂNG CÂN BẰNG TẢI TRÊN ĐIỆN TOÁN ĐÁM MÂY Chuyên ngành: Khoa học máy tính Mã số chuyên ngành: 48 01 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Giảng viên hướng dẫn: PGS.TS TRẦN CƠNG HÙNG TP HỒ CHÍ MINH, NĂM 2021 TRƯỜNG ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH KHOA ĐÀO TẠO SAU ĐẠI HỌC CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc GIẤY XÁC NHẬN Tôi tên là: Cao Thành Nam Ngày sinh: 30/06/1976 Nơi sinh: Tân Thành, Thành phố Cà Mau, tỉnh Cà Mau Chuyên ngành: Khoa học máy tính Mã học viên: 1884801010005 Tơi đồng ý cung cấp tồn văn thơng tin luận văn tốt nghiệp hợp lệ quyền cho Thư viện trường đại học Mở Thành phố Hồ Chí Minh Thư viện trường đại học Mở Thành phố Hồ Chí Minh kết nối tồn văn thơng tin luận văn tốt nghiệp vào hệ thống thông tin khoa học Sở Khoa học Cơng nghệ Thành phố Hồ Chí Minh Ký tên (Ghi rõ họ tên) Cao Thành Nam CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc Ý KIẾN CHO PHÉP BẢO VỆ LUẬN VĂN THẠC SĨ CỦA GIẢNG VIÊN HƯỚNG DẪN Giảng viên hướng dẫn: PGS.TS Trần Công Hùng Học viên thực hiện: Cao Thành Nam Lớp: MCOM018A Ngày sinh: 30/06/1976 Mau, tỉnh Cà Mau Nơi sinh: Tân Thành, Thành phố Cà Tên đề tài: Nghiên cứu ứng dụng AI xây dựng thuật toán phân loại tác vụ dựa độ ưu tiên nhằm nâng cao hiệu cân tải điện toán đám mây Ý kiến giáo viên hướng dẫn việc cho phép học viên Cao Thành Nam bảo vệ luận văn trước Hội đồng: Học viên thực theo đề cương giao, thực chương qua 61 trang, dùng 30 tài liệu tham khảo, Học viên thực + Giới thiệu tổng quan điện toán đám mây cân tải mơi trường điện tốn đám mây, giới thiệu thuật toán AI ứng dụng phân loại tác vụ + Trình bày sở cơng trình liên quan tới cân tải điện toán đám mây + Đề xuất phương pháp cải tiến thuật toán cân tải điện toán đám mây + Đánh giá thuật toán cân tải Đánh giá thuật toán phân loại tác vụ dựa độ ưu tiên Luận văn đạt yêu cầu luận văn thạc sĩ, đề nghị phép bảo vệ luận văn tốt nghiệp Tp Hồ Chí Minh, ngày 23 tháng 07 năm 2021 Người nhận xét PGS.TS Trần Công Hùng i LỜI CAM ĐOAN Tôi tên Cao Thành Nam, cam đoan luận văn: “Nghiên cứu ứng dụng AI xây dựng thuật toán phân loại tác vụ dựa độ ưu tiên nhằm nâng cao hiệu cân tải điện tốn đám mây” cơng trình nghiên cứu tơi Những kết nghiên cứu trình bày luận văn cơng trình riêng hướng dẫn PGS.TS Trần Công Hùng Những kết nghiên cứu tác giả khác số liệu sử dụng luận văn có trích dẫn đầy đủ Những kết nghiên cứu chung trình bày luận văn có đồng ý đồng tác giả Tp Hồ Chí Minh, ngày 21 tháng năm 2021 Học viên thực luận văn Cao Thành Nam ii LỜI CẢM ƠN Trong suốt trình học tập nghiên cứu thực luận văn, nỗ lực thân, tơi nhận hướng dẫn nhiệt tình quý báu quý Thầy Cô, với động viên ủng hộ gia đình, bạn bè đồng nghiệp Với lịng kính trọng biết ơn sâu sắc, xin gửi lời cảm ơn chân thành tới: Ban Giám hiệu, quý Thầy Cô Khoa Đào tạo Sau Đại học Khoa Công nghệ Thông tin, Trường Đại học Mở Tp.HCM tạo điều kiện thuận lợi giúp tơi hồn thành luận văn Tơi xin chân thành cảm ơn Thầy PGS.TS Trần Cơng Hùng, người thầy kính mến hết lòng giúp đỡ, hướng dẫn, động viên, tạo điều kiện cho tơi suốt q trình thực hồn thành luận văn Tơi xin chân thành cảm ơn gia đình, bạn bè, đồng nghiệp quan động viên, hỗ trợ tơi lúc khó khăn để tơi học tập hồn thành luận văn Mặc dù có nhiều cố gắng, nỗ lực, thời gian kinh nghiệm nghiên cứu khoa học cịn hạn chế nên khơng thể tránh khỏi thiếu sót Tơi mong nhận góp ý quý Thầy Cô bạn bè đồng nghiệp để kiến thức tơi ngày hồn thiện Xin chân thành cảm ơn! iii TÓM TẮT Ngày điện toán đám mây trở thành tảng phổ biến cho ứng dụng khoa học đời sống người Cùng với đó, thách thức lớn lĩnh vực điện toán đám mây tốn lập lịch luồng cơng việc Nhiều nghiên cứu cho thấy hiệu hệ thống điện toán đám mây phụ thuộc nhiều vào việc xếp tác vụ luồng thực thi máy tính mơi trường đám mây Với mục đích giải vấn đề cân tải môi trường điện tốn đám mây, cần tìm khắc phục yếu phương pháp tại, cung cấp dịch vụ chất lượng tốt Đề tài “Nghiên cứu ứng dụng AI xây dựng thuật toán phân loại tác vụ dựa độ ưu tiên nhằm nâng cao hiệu cân tải điện toán đám mây” tập trung vào nghiên cứu thuật toán cân tải, nghiên cứu tham số đánh giá mức độ ưu tiên tác vụ, thuật toán áp dụng vào phân lớp tác vụ (tasks classification), nghiên cứu thuật toán cân tải phổ biến áp dụng nay, từ cải tiến bổ sung đề xuất kỹ thuật cân tải ứng dụng AI nhằm phân loại tác vụ, từ nâng cao hiệu cân tải điện toán đám mây Việc phát triển đề xuất thực nghiệm mô môi trường mơ điện tốn đám mây phổ biến CloudSim, Matlab, GridSim, … từ kết thực nghiệm, ta đánh giá kết quả, chứng minh thuật tốn đề xuất mang lại hiệu suất tốt so với thuật toán lập lịch truyền thống khác iv ABSTRACT Nowadays cloud computing has become a popular platform for scientific applications and human life Along with that, the biggest challenge in cloud computing is the problem of workflow schedule Many studies show that the performance of cloud computing systems depends a lot on arranging tasks in the execution stream on computers in a cloud environment With the purpose of solving load balancing problems in the cloud, it is necessary to find and overcome weaknesses in current methods, as well as provide better quality services The topic "AI application research builds prioritybased task classification algorithms to enhance load balancing performance on the cloud computing" will focus on studying load balancing algorithms, studying sets of parameters to evaluate task priority, algorithms that can be applied to task classification, study common load balancing algorithms that are being applied today, thereby further improving or proposing a new AI application load balancing technique to categorise tasks and enhancing load balancing performance in the cloud This development and proposal will be experimentally simulated on popular cloud computing simulation environments such as CloudSim, Matlab, GridSim, from the experimental results, we can evaluate the results, proving that the proposed algorithm offers better performance than other traditional schedule algorithms v DANH MỤC CÁC THUẬT NGỮ, TỪ VIẾT TẮT Từ viết tắt BW CAP Cloud CLOUDLET CPU CS DC FW GB Tiếng anh Bandwidth Capacity Cloud Computing CLOUDLET Central Processing Unit Cloudsim Datacenter Firewall Giga Byte HOST HOST IAAS LBC Infrastructure as a Service Load balance MAX-MIN Max-Min MB MIPS OS PAAS QOS RAM SAAS TMA TZ VIRTUAL VM Task/Job AI ML DL Mega Byte Millions of Instructions Per Second Operating System Platform as a Service Quality of Service Random Access Memory Software as a Service Throttled Modified Algorithm Timezone Virtualization Virtual machine Task/Job Artificial Intelligence Machine Learning Deep Learning Tiếng việt Băng thông mạng Năng lực xử lý trung bình Điện tốn đám mây u cầu giả lập web request Bộ xử lý trung tâm Bộ thư viện CloudSim Trung tâm liệu Tưởng lửa Đơn vị nhớ Giga byte Máy chủ trung tâm liệu Dịch vụ sở hạ tầng Cân tải Thuật toán cân tải MaxMin Đơn vị nhớ Mega byte Tốc độ xử lý CPU Hệ điều hành Dịch vụ tảng Chất lượng dịch vụ Bộ nhớ truy cập ngẫu nhiên Phần mềm dịch vụ Thuật toán sửa đổi throttled Múi Ảo hóa Máy ảo Tác vụ/cơng việc thực Trí Tuệ Nhân Tạo Học Máy Học Sâu vi DANH MỤC BẢNG Bảng Kết mơ thuật tốn FCFS, GA ACO [21] 31 Bảng 4.1 Thơng số cấu hình Datacenter .49 Bảng 4.2 Cấu hình máy ảo 49 Bảng 4.3 Cấu hình thơng số Request 50 Bảng 4.4 Kết thực nghiệm mô với 30 request 51 Bảng 4.5 Kết thực nghiệm mô với 60 request 52 Bảng 4.6 Kết thực nghiệm mô với 100 request 52 Bảng 4.7 Kết thực nghiệm mô với 1000 request 53 vii DANH MỤC HÌNH ẢNH Hình 1 Mơ hình điện tốn đám mây (theo 3STechBlog) Hình Mơ hình kiến trúc điện tốn đám mây [7] Hình Mơ hình dịch vụ điện tốn đám mây [8] .10 Hình Mơ hình Cân tải điện tốn đám mây [11] 11 Hình 1.5 Sơ đồ thiết kế lớp CloudSim [15] 17 Hình Luồng giao tiếp thực thể lõi CloudSim [16] 19 Hình Mối liên hệ AI, ML DL (theo NVIDIA.com) 20 Hình Phân nhóm thuật tốn Machine Learning (theo Data Flair) 21 Hình Sơ đồ mã giả thuật toán Min-Min [18] 27 Hình 2 Sơ đồ mã giả thuật toán LBMin-Min [18] 28 Hình Lưu đồ phân bổ tài nguyên cloud [19] 29 Hình Khung lập lịch Makespan tối thiểu MMSF [20] 31 Hình Các quan sát thực nghiệm FCFS, GA ACO [21] 32 Hình Mơ hình thuật tốn LBRS [22] 33 Hình Mơ hình cân tải cloud [24] 35 Hình Sơ đồ mơ hình nghiên cứu Cloud 41 Hình Tính tốn độ ưu tiên request Cloud 42 Hình 3 Sơ đồ thuật toán đề xuất k-CTPA 45 Hình 4.1 Biểu đồ so sánh thời gian thực thuật toán với 30 Request 51 Hình 4.2 Biểu đồ so sánh thời gian thực thuật toán với 60 Request 52 Hình 4.3 Biểu đồ so sánh thời gian thực thuật toán với 100 Request 53 Hình 4.4 Biểu đồ so sánh thời gian thực thuật tốn với 1000 Request .54 Hình 4.5 Thời gian thực trung bình thuật tốn từ 30-1000 Request 54 Hình 4.6 Thời gian thực lớn thuật toán từ 30-1000 Request .55 61 “Giới thiệu Machine Learning,” https://machinelearningcoban.com/2016/12/26/introduce; “What’s the Difference Between Artificial Intelligence, Machine Learning and Deep Learning?,” https://blogs.nvidia.com/blog/2016/07/29/whats-difference-artificial-intelligencemachine-learning-deep-learning-ai/ [Accessed 2021] [18] Huankai Chen, F Wang, N Helian, and G Akanmu, “User-priority guided MinMin scheduling algorithm for load balancing in cloud computing,” in 2013 National Conference on Parallel Computing Technologies (PARCOMPTECH), Bangalore, India, Feb 2013, pp 1–8 DOI: 10.1109/ParCompTech.2013.6621389 [19] S H H Madni, M S A Latiff, Y Coulibaly, and S M Abdulhamid, “Recent advancements in resource allocation techniques for cloud computing environment: a systematic review,” Cluster Comput, vol 20, no 3, pp 2489–2533, Sep 2017, DOI: 10.1007/s10586-016-0684-4 [20] N Sasikaladevi, “Minimum Makespan Task Scheduling Algorithm in Cloud Computing,” International Journal of Grid and Distributed Computing-IJGDC, vol 9, no 11, pp 61–70, Nov 2016, DOI: 10.14257/ijgdc.2016.9.11.05 [21] V Krishna Reddy, K Deva Surya, M Sai Praveen, B Lokesh, A Vishal, and K Akhil, “Performance Analysis of Load Balancing Algorithms in Cloud Computing Environment,” Indian Journal of Science and Technology, vol 9, no 18, May 2016, DOI: 10.17485/ijst/2016/v9i18/90697 [22] R Kapur, “A workload balanced approach for resource scheduling in cloud computing,” in 2015 Eighth International Conference on Contemporary Computing (IC3), Noida, India, Aug 2015, pp 36–41 DOI: 10.1109/IC3.2015.7346649 [23] Geeta and S Prakash, “A Literature Review of QoS with Load Balancing in Cloud Computing Environment,” in Big Data Analytics, vol 654, V B Aggarwal, V Bhatnagar, and D K Mishra, Eds Singapore: Springer Singapore, 2018, pp 667– 675 DOI: 10.1007/978-981-10-6620-7_64 [24] S K Mishra, B Sahoo, and P P Parida, “Load balancing in cloud computing: A 62 big picture,” Journal of King Saud University - Computer and Information Sciences, vol 32, no 2, pp 149–158, Feb 2020, DOI: 10.1016/j.jksuci.2018.01.003 [25] Lê Văn Sơn, Phạm Nguyễn Minh Nhựt, “Vấn đề cung cấp tài nguyên máy ảo sở hạ tầng tính tốn đám mây,” Tạp chí Khoa học & Công nghệ Đại học Đà Nẵng JST-UD, 2012, số 5(54), trang 60-72 [26] Bùi Thanh Khiết, Nguyễn Thị Nguyệt Quế, Hồ Đắc Hưng, Phạm Trần Vũ Trần Cơng Hùng, “Mơ hình cấp phát tài ngun điện tốn đám mây cơng dựa lý thuyết trị chơi”, Kỷ yếu Hội nghị Quốc gia lần thứ X Nghiên cứu ứng dụng Công nghệ thông tin (FAIR), Đà Nẵng, ngày 17-18/08/2017, trang 396406 DOI: 10.15625/vap.2017.00048 [27] N Xuan Phi, C T Tin, L N Ky Thu, and T C Hung, “Proposed Load Balancing Algorithm to Reduce Response Time and Processing Time on Cloud Computing,” IJCNC, vol 10, no 3, pp 87–98, May 2018 DOI: 10.5121/ijcnc.2018.10307 [28] Shabina Ghafir; M Afshar Alam;Ranjit Biswas, "Comparative Analysis of MCT Load Balancing Approach in Cloud Computing Environment," Lecture Notes on Data Engineering And Communications Technologies, vol 53, 2021 pp 483-491 https://doi.org/10.1007/978-981-15-5258-8_45 [29] Md Oqail Ahmad, Rafiqul Zaman Khan, “Cloud Computing Modeling and Simulation using Cloud Sim Environment,” International Journal of Recent Technology and Engineering (IJRTE), vol 8, no 2, pp 5439–5445, Jul 2019 DOI: 10.35940/ijrte.B3669.078219 [30] Rajwinder Kaur, Pawan Luthra, "Load Balancing in Cloud Computing," Proc of Int Conf on Recent Trends in Information, Telecommunication and Computing, ITC, pp 374-381, 2014 DOI: 02.ITC.2014.5.92 Luận văn thạc sĩ: Nghiên cứu ứng dụng AI xây dựng thuật toán phân loại tác vụ dựa độ ưu tiên nhằm nâng cao hiệu cân tải điện toán đám mây Nam Cao Thanh Ngày Nộp: 20-thg 7-2021 04:05CH (UTC+0700) ID Bài Nộp: 1619898724 Tên Tập tin: VL-Namct-Kiem_tra_lan_3.docx (1.95M) Đếm từ: 14969 Đếm ký tự: 55491 Luận văn thạc sĩ: Nghiên cứu ứng dụng AI xây dựng thuật toán phân loại tác vụ dựa độ ưu tiên nhằm nâng cao hiệu cân tải điện toán đám mây BÁO CÁO ĐỘC SÁNG 25 % CHỈ SỐ TƯƠNG ĐỒNG 25% NGUỒN INTERNET 7% ẤN PHẨM XUẤT BẢN 5% BÀI CỦA HỌC SINH NGUỒN CHÍNH tailieu.vn 6% www.ctu.edu.vn 3% tek4.vn 3% www.antoanthongtin.vn 1% Submitted to Nha Trang University 1% www.scribd.com 1% trituenhantao.io 1% www.codehub.vn 1% Nguồn Internet Nguồn Internet Nguồn Internet Nguồn Internet Bài Học sinh Nguồn Internet Nguồn Internet Nguồn Internet 123doc.net CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc TRƯỜNG ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH KHOA ĐÀO TẠO SAU ĐẠI HỌC Thành phố Hồ Chí Minh, ngày 09 tháng 09 năm 2021 BIÊN BẢN HỘI ĐỒNG CHẤM LUẬN VĂN THẠC SĨ CHUYÊN NGÀNH KHOA HỌC MÁY TÍNH Căn Quyết định số 1643/QĐ-ĐHM, ngày 12 tháng 08 năm 2021 Hiệu trưởng Trường Đại học Mở Thành phố Hồ Chí Minh việc thành lập Hội đồng chấm phản biện luận văn thạc sĩ chuyên ngành Khoa học máy tính, Hội đồng tiến hành chấm luận văn thạc sĩ cho học viên vào Tối ngày 09 tháng 09 năm 2021, Phòng 106 , 97 Võ Văn Tần, P.6, Q.3, TP HCM I Học viên: HỌ TÊN Cao Thành Nam LUẬN VĂN GVHD Nghiên cứu ứng dụng AI xây dựng thuật toán phân loại tác vụ dựa độ ưu tiên nhằm nâng cao hiệu cân tải điện toán đám mây PGS.TS Trần Cơng Hùng KHĨA 2018 II Thành viên hội đồng chấm: thành viên - Chủ tịch Hội đồng: TS GVCC Lê Xuân Trường - Phản biện 1: PGS TS Nguyễn Hòa - Phản biện 2: TS Phạm Văn Chung - Ủy viên: TS Nguyễn Tiến Đạt - Thư ký: TS Trương Hồng Vinh Số thành viên có mặt: Số thành viên vắng mặt: Kết thúc buổi bảo vệ luận văn ngày 9/9/21, Sau tổng kết phiếu đánh giá luận văn thạc sĩ, Hội đồng thống kết đánh giá luận văn cho học viên cụ thể sau: III Kết đánh giá luận văn: Điểm trung bình số Điểm trung bình chữ 7.80 Bảy tám khơng IV Ý Kiến hội đồng: - Tên đề tài AI chưa thấy làm rõ ứng dụng đâu luận văn - Hình ảnh chất lượng, cần vẽ lại - Thứ tự chương cần xem lại - k-NN với giá trị cho số nút lân cận ? -Hình 2.5 kết luận văn hay tài liệu tham khảo ? Không thấy hoc viên phân tích - Tài liệu tham khảo viết chưa theo format, thiếu thông tin nơi xuất bản, tác giả năm xuất Ví dụ: tài liệu [1,2,3,4,5,6] V Thời hạn nộp luận văn chỉnh sửa theo yêu cầu HĐ: 01 tuần kể từ ngày bảo vệ luận văn Họ Tên: Chủ tịch: Ký tên: GVCC TS Lê Xuân Trường Phản biện1: PGS TS Nguyễn Hòa Phản biện2: TS Phạm Văn Chung Ủy viên: TS Nguyễn Tiến Đạt Thư ký: TS Trương Hoàng Vinh *Cán kiểm tra đối chiếu phiếu điểm ký tên xác nhận: TRƯỜNG ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH KHOA ĐÀO TẠO SAU ĐẠI HỌC CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHẬN XÉT LUẬN VĂN THẠC SĨ CHUYÊN NGÀNH KHMT (Nhận xét Chủ tịch/Ủy viên/Thư ký) Học viên: Cao Thành Nam Lớp: ……………… Tên đề tài: Nghiên cứu ứng dụng AI xây dựng thuật toán phân loại tác vụ dựa độ ưu tiên nhằm nâng cao hiệu cân tải điện toán đám mây Giảng viên hướng dẫn: PGS.TS Trần Công Hùng Người nhận xét: TS Trương Hoàng Vinh NỘI DUNG NHẬN XÉT I PHẦN NHẬN XÉT: Về tính cấp thiết, ý nghĩa khoa học thực tiễn đề tài: Đề tài có ý nghĩa thực tiễn có tính khoa học Về độ tin cậy phù hợp đề tài (trong nêu rõ khơng trùng lặp đề tài, phù hợp tên đề tài với nội dung, nội dung với chuyên ngành đào tạo;độ tin cậy tính đại phương pháp nghiên cứu…) Đề tài có dựa số tài liệu tham khảo năm gần Ưu điểm nhược điểm nội dung, kết cấu hình thức luận văn 3.1 Ưu điểm Có tính thực tế 3.2 Hạn chế Hạn chế mặt thực, chưa phải ứng dụng AI hoàn chỉnh theo báo cáo II PHẦN CẦU HỎI (Nếu có) III KẾT LUẬN (cần khẳng định mức độ đáp ứng yêu cầu luận văn cao học) Đáp ứng luận văn cao học Thành phố Hồ Chí Minh, ngày tháng năm 2020 NGƯỜI NHẬN XÉT (ký ghi rõ họ tên) TS Trương Hoàng Vinh TRƯỜNG ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH KHOA ĐÀO TẠO SAU ĐẠI HỌC CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHẬN XÉT PHẢN BIỆN LUẬN VĂN THẠC SĨ CHUYÊN NGÀNH KHOA HỌC MÁY TÍNH Học viên: Cao Thành Nam Tên đề tài: Nghiên cứu ứng dụng AI xây dựng thuật toán phân loại tác vụ dựa độ ưu tiên nhằm nâng cao hiệu cân tải điện toán đám mây Giảng viên hướng dẫn: PGS.TS Trần Công Hùng Người phản biện: PGS.TS Nguyễn Hòa NỘI DUNG NHẬN XÉT I PHẦN NHẬN XÉT: Về tính cấp thiết, ý nghĩa khoa học thực tiễn đề tài: Cân tải nhu cầu thường xuyên dịch vụ điện tốn đám mây Đã có nhiều nghiên cứu giải toán cân tải giúp hệ thống điện toán đám mây nâng cao đáp ứng dịch vụ Đề tài “Nghiên cứu ứng dụng AI xây dựng thuật toán phân loại tác vụ dựa độ ưu tiên nhằm nâng cao hiệu cân tải điện tốn đám mây” nghiên cứu có tính cấp thiết, có ý nghĩa khoa học thực tiễn Về độ tin cậy phù hợp đề tài (trong nêu rõ khơng trùng lặp đề tài, phù hợp tên đề tài với nội dung, nội dung với chuyên ngành đào tạo;độ tin cậy tính đại phương pháp nghiên cứu…) Nội dung nghiên cứu tên đề tài phù hợp với chuyên ngành đào tạo Khoa học Máy tính Khơng có trùng lặp tên nội dung đề tài với tên nội dung đề tài nghiên cứu công bố Phương pháp nghiên cứu dựa việc xem xét, đánh giá ưu điểm hạn chế nghiên cứu hướng công bố để đề xuất giải pháp phù hợp Phương pháp đủ tin cậy Ưu điểm nhược điểm nội dung, kết cấu hình thức luận văn 3.1 Ưu điểm Nội dung luận văn giới thiệu số nghiên cứu mơ hình kỹ thuật cân tải điện toán đám mây Từ luận văn đề xuất thuật tốn k-CTPA (kNN Classification Task Priority Algorithm) phân loại tác vụ ưu tiên để phân bổ cách phù hợp, cân tải cho máy ảo dựa thuật toán phân lớp tác vụ k_NN (k-Nearest Neighbor) thuật toán tính tốn thơng số ưu tiên Regression Các sở lý thuyết tài liệu tham khảo đầy đủ 3.2 Hạn chế Chưa làm rõ ứng dụng AI thuật toán đề xuất Luận văn so sánh thông số thời gian thực mà chưa so sánh thơng số khác độ xác, nhớ tiêu hao lượng thuật toán đề xuất với thuật toán cân tải khác Nhiều tài liệu tham khảo thiếu thông tin, thiếu số trang Tại dịng thuật tốn đề xuất trang 44-45 không xác định đầu vào thủ tục Regression(T1,T2… ) II PHẦN CẦU HỎI (Nếu có) Trong thuật tốn đề xuất trang 44-45, biến isLocated lúc có giá trị false?, tính độ ưu tiên qua tập ba thông số {Po, CPU, RAM} nào? Tại sau chọn máy ảo dòng ứng với request theo {Po, CPU, RAM} lại phân bổ máy ảo dòng 7? III KẾT LUẬN (cần khẳng định mức độ đáp ứng yêu cầu luận văn cao học; luận văn đưa Hội đồng chấm luận văn hay không) Luận văn đáp ứng yêu cầu luận văn cao học Luận văn đưa Hội đồng chấm luận văn Thành phố Hồ Chí Minh, ngày 05 tháng 09 năm 2021 NGƯỜI NHẬN XÉT (ký ghi rõ họ tên) PGS.TS Nguyễn Hòa TRƯỜNG ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH KHOA ĐÀO TẠO SAU ĐẠI HỌC CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHẬN XÉT PHẢN BIỆN LUẬN VĂN THẠC SĨ CHUYÊN NGÀNH KHOA HỌC MÁY TÍNH Học viên: CAO THÀNH NAM Lớp: MCOM018A Tên đề tài: Nghiên cứu ứng dụng AI xây dựng thuật toán phân loại tác vụ dựa độ ưu tiên nhằm nâng cao hiệu cân tải điện toán đám mây Giảng viên hướng dẫn: PGS.TS Trần Công Hùng Người phản biện: TS Phạm văn Chung NỘI DUNG NHẬN XÉT I PHẦN NHẬN XÉT: Về tính cấp thiết, ý nghĩa khoa học thực tiễn đề tài: - Luận văn đóng góp vào công tác: nâng cao hiệu cân tải hệ thống điện toán đám mây cách cải tiến phương pháp nhắm đến cung cấp dịch vụ chất lượng tốt - Điện toán đám mây coi tảng cho tài nguyên máy tính cung cấp dịch vụ qua mạng internet cho khách hàng Số lượng khách hàng sử dụng điện toán đám mây ngày tăng, họ chia sẻ thiết bị tài nguyên với quy mơ lớn để tính tốn, lưu trữ, thơng tin kiến thức phục vụ cho nhiều công tác khác Do vậy, luận văn thực công việc: thiết kế, phát triển đề xuất cải tiến thuật toán có điện tốn đám mây điều cần thiết có ý nghĩa thiết thực - Luận văn nghiên cứu tổng quát kỹ thuật cân tải điện tốn đám mây, thơng qua mơi trường, mơ hình mơ điện tốn đám mây; sử dụng thư viện CloudSim cài đặt thử nghiệm, dựa kết thu tìm điểm hạn chế thuật tốn cân tải từ đề xuất thuật toán cải tiến Về độ tin cậy phù hợp đề tài (trong nêu rõ khơng trùng lặp đề tài, phù hợp tên đề tài với nội dung, nội dung với chuyên ngành đào tạo;độ tin cậy tính đại phương pháp nghiên cứu…) - Đề tài khơng có trùng lắp với cơng trình cơng bố - Nội dung luận văn phù hợp với tên đề tài chuyên ngành khoa học máy tính - Luận văn tập trung vào nghiên cứu thuật toán cân tải, nghiên cứu tham số đánh giá mức độ ưu tiên tác vụ, thuật toán áp dụng vào phân lớp tác vụ (tasks classification), nghiên cứu thuật toán cân tải phổ biến áp dụng Đề xuất kỹ thuật cân tải ứng dụng AI nhằm phân loại tác vụ, từ nâng cao hiệu cân tải điện toán đám mây Ưu điểm nhược điểm nội dung, kết cấu hình thức luận văn 3.1 Ưu điểm - Luận văn đề xuất thuật toán k-CTPA (kNN Classification Task Priority Algorithm) để phân loại tác vụ dựa độ ưu tiên tác vụ - Luận văn tham khảo 30 cơng trình tạp chí đáng tin cậy có 12 cơng trình năm trở lại - Thực nghiệm: cài đặt thuật toán k-CTPA (kNN Classification Task Priority Algorithm) luận văn đề xuất mơi trường mơ điện tốn đám mây phổ biến CloudSim, Matlab, GridSim, Có đánh giá kết thực nghiệm cho thấy thuật toán đề xuất có hiệu suất tốt so với thuật toán lập lịch truyền thống khác như: FCFS, MaxMin, MinMin RoundRobin Kết cho thấy thuật toán đề xuất có hiệu tốt - Kết cấu, bố cục luận rõ dàng dễ đọc, chương phân chia hợp lý 3.2 Hạn chế - Một số hình tham khảo cịn mờ, đặc biệt thuật tốn tham khảo, ví dụ hình 1.5, 1.7, 2.4, 2.6 … - Có thể nói rõ thêm ứng dụng AI luận văn - Chỉnh lại cách ghi thông tin tài liệu tham khảo cho thống II PHẦN CẦU HỎI (Nếu có) ………………………………………………………………………………………………… ………………………………………………………………………………………………… III KẾT LUẬN (cần khẳng định mức độ đáp ứng yêu cầu luận văn cao học; luận văn đưa Hội đồng chấm luận văn hay không) Luận văn đạt kết luận văn thạc sĩ ngành khoa học máy tính Thành phố Hồ Chí Minh, ngày 08 tháng năm 2021 NGƯỜI NHẬN XÉT (ký ghi rõ họ tên) Phạm văn Chung TRƯỜNG ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH KHOA ĐÀO TẠO SAU ĐẠI HỌC CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHẬN XÉT LUẬN VĂN THẠC SĨ CHUYÊN NGÀNH ……Khoa Học Máy Tính…… (Nhận xét Ủy viên) Học viên: ……Cao Thành Nam……… Lớp: …2018…… Tên đề tài: NGHIÊN CỨU ỨNG DỤNG AI XÂY DỰNG THUẬT TOÁN PHÂN LOẠI TÁC VỤ DỰA TRÊN ĐỘ ƯU TIÊN NHẰM NÂNG CAO HIỆU NĂNG CÂN BẰNG TẢI CỦA ĐIỆN TOÁN ĐÁM MÂY Giảng viên hướng dẫn: ……PGS TS.Trần Công Hùng……… Người nhận xét: ……TS Nguyễn Tiến Đạt………… NỘI DUNG NHẬN XÉT I PHẦN NHẬN XÉT: Về tính cấp thiết, ý nghĩa khoa học thực tiễn đề tài: Đề tài có tính thực tiễn: Tìm khắc phục yếu phương pháp sử dụng cho điện toán đám mây Giải vấn đề cân tải mơi trường điện tốn đám mây, qua cung cấp dịch vụ chất lượng tốt Đáp ứng nhu cầu thực tế: môi trường mạng kết nối thiết bị để rruy cập liệu, điều khiển thiết bị, lĩnh vực quan trọng xã hội mà vạn vật kết nối Internet Về độ tin cậy phù hợp đề tài (trong nêu rõ khơng trùng lặp đề tài, phù hợp tên đề tài với nội dung, nội dung với chuyên ngành đào tạo;độ tin cậy tính đại phương pháp nghiên cứu…) Đề tài không trùng lắp, không chép nội dung Nội dung nghiên cứu, tìm hiểu áp dụng hoàn toàn phù hợp với chuyên ngành đào tạo Cơ sở lý thuyết phục vụ nghiên cứu có nội dung phù hợp, đáp ứng đề cương kết đạt Nội dung luận văn kết đạt mục tiêu đăng ký tác giả Ưu điểm nhược điểm nội dung, kết cấu hình thức luận văn 3.1 Ưu điểm Có tiến hành thực nghiệm mơ để đánh giá hiệu thuật toán Tác giả thực nghiệm tốt đánh giá ưu/nhược điểm thuật toán đề xuất Phát hạn chế, nguyên nhân khác quan đánh giá hạn chế thực nghiệm 3.2 Hạn chế Lưu ý phần ghi danh mục Tài Liệu Tham khảo Phần nói CloudSim có lẽ nên đưa vào phần thực nghiệm tốt hơn? Có lẽ nên xếp nội dung thứ tự Chương để mạch văn, thông tin , mạch lạc Không thiết đề cập nhiều Machine Learning, tác giả chủ yếu sử dụng thuật toán KNN II PHẦN CẦU HỎI Tác giả sử dụng “regression” – hổi qui để tính tốn Request dựa tham số Po/CPU/RAM Câu hỏi: Với task cụ thể ví dụ: Câu hỏi query để lấy kết truy vấn liệu có nhiều giá trị Request khác (vì ta chọn giá trị biến số Pow/CPU/Ram khác nhau)? Vậy ta chọn giá trị Request nào? Tác giả đề cập “Trong đó, theo thuật toán đề xuất, đầu phân lớp request tính tốn thời gian xử lý xét, giá trị max hay giá trị min, nên lưu lại số lượng định thời gian xử lý request trước nhằm thực tính tốn phân bổ Chính thế, luận văn xin sử dụng lại phương pháp loại suy newton để tính tốn vị trí phân bổ phù hợp…” Xin trình bày sơ việc loại suy Newton thực Một máy ảo đảm nhiệm nhiều nhiệm vụ khác, có khả request phù hợp phân vào máy ảo làm giảm CPU, RAM, Power (chứ khứ)??? Vậy có lẽ phải cập nhật so sánh CPU/RAM/Power hợp lý hơn? III KẾT LUẬN (cần khẳng định mức độ đáp ứng yêu cầu luận văn cao học) Nội dung đề tài đáp ứng yêu cầu luận văn Cao Học ngành Khoa Học Máy Tính Thành phố Hồ Chí Minh, ngày 09 tháng 09 năm 2021 NGƯỜI NHẬN XÉT (ký ghi rõ họ tên) Nguyễn Tiến Đạt (Bảo vệ ngày 09/09/2021) Đã điều chỉnh nội dung chương cách trình bày Thứ tự chương cần xem lại Chương Hình ảnh chất lượng, cần vẽ lại Trang 27 Trang 28 Trang 33 Trang, mục Đã gõ lại lưu đồ thuật tốn Hình Đã gõ lại lưu đồ thuật tốn Hình 2 Đã Vẽ lại Hình Nội dung chỉnh sửa Tên ài AI chưa làm rõ đâu Phần mở luận văn đầu Trang, mục Những điều chỉnh sửa Nội dung Những điều cần chỉnh sửa theo góp ý Hội Đồng Ứng dụng AI, cụ thể ứng dụng thuật toán Machine Learning vào toán cân tải: - Sử dụng Regression cho việc dự đốn (tính tốn) Được trình bày thuộc tính PowerConsume, CPU Usage, RAM Usage, Chương từ tính độ ưu tiên task - Sử dụng thuật toán kNN cho việc phân lớp tác vụ dựa vào độ ưu tiên STT tải điện toán đám mây Tên Đề Tài: Nghiên cứu ứng dụng AI xây dựng thuật toán phân loại tác vụ dựa độ ưu tiên nhằm nâng cao hiệu cân Tên Học viên: Cao Thành Nam CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc BIÊN BẢN ĐIỀU CHỈNH THEO GÓP Ý CỦA HỘI ĐỒNG TRƯỜNG ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH HỘI ĐỒNG CHẤM LUẬN VĂN THẠC SĨ Cao Thành Nam Tên học viên Đã điều chỉnh, bổ sung thơng tin, trình bày thống định dạng cho “Tài liệu tham khảo” theo đề nghị Hội Phần TLTK đồng PGS.TS Trần Công Hùng Lê Xuân Trường Phần TLTK Tài liệu tham khảo viết chưa theo format, thiếu thông tin nơi xuất bản, tác giả năm xuất Ví dụ: tài liệu [1,2,3,4,5,6] Hình 2.5 kết cơng trình báo tài Trang 32, liệu tham khảo [21], báo phân tích chương kỹ Nhận xét GVHD Chương Hình 2.5 kết luận văn hay tài liệu tham khảo? Khơng thấy học viên phân tích Với giá trị k từ đến 5, thuật toán phân lớp tác vụ máy ảo tương ứng phù hợp với liệu Chương thực nghiệm Nhận xét HĐ Chương k-NN với giá trị cho số nút lân cận? thống định dạng cho toàn luận văn