Bulut ortamında makine öğrenimi ile verimli ölçeklendirme

Bulut ortamlarında yapılan ölçeklendirme, sistemin maliyet ve verimliliğini önemli ölçüde etkileyebilir. Kapasiteyi düzgün şekilde planlamak için, ölçeklendirme boyutuna göre hesaplamalar yapılır. Uygulamalar genellikle yüksek hizmet kalitesi (QoS) sağlamak için çekirdekler, bellek ve ağ gibi kaynakları rezerve eder ve kaynak sınırlarına yaklaşıldığında, uygulamanın birden fazla kopyasını çalıştırarak sistem güvenilirliğini arttıran bir şekilde ölçeklendirilir. Bu çalışma, makine öğrenimi kullanarak yüksek QoS'u koruma amacıyla kaynakları daha verimli bir şekilde rezerve etmeyi amaçlamaktadır. Geleneksel yöntemler, uygulamanın ihtiyaç duyduğu kaynakları rezerve eder ve kaynak kullanımı belirli bir seviyeye ulaştığında uygulamayı ölçeklendirir. Ancak, bu çalışmada uygulanan yöntem, gelen trafiği tahmin eder ve bu tahmine göre uygulamaları ölçeklendirir, Bu sayede sabit eşik değerine göre ölçeklendirme yapıldığında daha verimli bir performans elde edilir. Çalışmanın sonuçları, makine öğrenimi temelinde oluşturulan ölçeklendirme sisteminin mevcut olarak kullanılan statik ölçeklendirme yöntemlerine göre maliyet ve kaynak ayrılması performansı açısından daha verimli çalıştığını göstermiştir. Anahtar Kelimeler: Makine Öğrenmesi, Bulut Bilişim,Ölçeklendirme, Kubernetes, Kaynak Yönetimi, Bulut Maliyeti