개인 클라우드 환경에서의 응답 시간 증가로 이어질 수 있는 부하 불균형을 완화하기 위해, eXtreme Gradient Boosting(XGBoost) 모델과 함께 세 가지 동적 부하 균형 최적화 모델을 활용하는 응답 시간 예측 접근법을 제시한다. 이 방법들은 응답 시간과 자원 배분 모두를 최적화하도록 설계되었다. 소규모 테스트베드에서 수행한 실험 평가 결과, XGBoost 모델은 벤치마크 방법들에 비해 응답 시간 예측 오차가 가장 낮음을 확인하였다. 본 연구에서 고려한 부하 균형 접근법들(제안된 최적 모델 포함) 가운데, Optimization Model 1로 지정된 응답 시간 최소화 모델은 지연 및 자원 활용 측면에서 다른 모델들보다 우수한 성능을 보였다. 비록 Double-DQN 모델이 환경 역학에 대한 적응성은 더 높지만, 계산 시간은 유의미하게 더 크다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.