Lead
Um die Anwendererfahrung zu verbessern, überwachen Rechenzentren laufend ihre Leistung indem sie riesige anfallende Datenmengen analysieren. Dapprox entwickelt Methoden und Anwendungen, um aufgrund von Stichproben Performance-Unregelmässigkeiten in Echtzeit zu erkennen und die Verwaltung der Rechenleistung zu verbessern.

Lay summary

Dapprox verwendet Methoden und Softwareanwendungen, um die Rechenleistung in Echtzeit im Approximationsverfahren zu analysieren. Das Ziel ist, Genauigkeitsanforderungen, maximale Verzögerungen und vorhandene Ressourcen zu berücksichtigen, um potentielle Unregelmässigkeiten voraussagen – und Lösungen vorschlagen – zu können. Dapprox sucht zuerst nach Merkmalen, die auf verschiedenen Servern über eine gewisse Zeit vorkommen; danach werden Stichproben der wichtigsten Daten so verarbeitet, dass die Genauigkeit der Resultate erhalten bleibt. Dapprox zeichnet sich dadurch aus, dass es aufgrund von gemeinsamen Strukturen, die sich im Lauf der Zeit verändern, dynamisch die optimale Datenmenge auswerten kann. Dapprox beinhaltet drei Arbeitspakete: Prognosefunktionen, Echtzeit-Analysefunktionen und Fehlermanagement.

Um die Servicequalität und Zuverlässigkeit von Systemen zu gewährleisten, überwachen Rechenzentren ihre virtuelle und echte Rechenleistung. Die anfallende Datenmenge ist so riesig, dass es fast unmöglich ist, sie in Echtzeit korrekt zu analysieren. Heute verfügbare Methoden sind in der Regel zu einfach und langsam, was zu Verzögerungen bei der Behebung von Performance-Unregelmässigkeiten führt und die Anwendererfahrung beeinträchtigt.

Durch die Analyse von Performance-Daten wollen wir die Rechenleistung in Cloud-Rechenzentren effizienter managen und dadurch die Anwendererfahrung verbessern. Wir werden aber nicht die gesamte Datenmenge analysieren, sondern Approximationsverfahren (das sind auf Stichproben basierende Methoden und Anwendungen) entwickeln, um komplexe Muster von Datenspuren und sogenannten kritischen Zuständen vorauszusagen. Wir werden auch Anwendungen für die Echtzeit-Analyse und die Untersuchung von Unregelmässigkeiten entwickeln. Zusätzlich werden wir Empfehlungen für den Umgang mit Unregelmässigkeiten in Cloud-Rechenzentren erarbeiten.