Volltextdatei(en) in REPOSIT vorhanden Open Access
Titel: Automatisierte und verbesserte Ressourcenzuweisung in einem Kubernetes-Cluster mittels Maschinellen Lernens
Sprache: Deutsch
Autorenschaft: Böttcher, Alina 
Schlagwörter: Kubernetes; Operator; Operator-SDK; Golang; verändernder WebHook; Maschinelles Lernen; bestärkendes Lernen; Ressourcenmanagement; Q-Lernen; mutating webhook; machine learning; reinforcement learning; resource management; q-learning
Erscheinungsdatum: 12-Mär-2025
Zusammenfassung: 
Die Ressourcenanfragen von Pods in einem Kubernetes-Cluster erfolgen meist manuell und beruhen lediglich auf Schätzungen der Nutzer. Da diese ungenau und häufig zu hoch sind, ist die Ressourcenaus-lastung auf den Servern nicht optimal. Ressourcenanfragen von laufenden Pods können nur um den Preis eines Abbruchs mit anschließendem Neustart verändert werden. Da das vermieden werden soll, muss eine O...

Resource requests from pods in a Kubernetes cluster are mostly manual and based only on user estimates. Since these are inaccurate and often too high, resource utilization on the servers is not optimal. Resource requests from running pods can only be modified at the cost of aborting followed by a restart. Since this is to be avoided, optimization of resource requests must be done before the respec...
URI: https://hdl.handle.net/20.500.12738/17292
Einrichtung: Department Informatik 
Fakultät Technik und Informatik 
Dokumenttyp: Abschlussarbeit
Abschlussarbeitentyp: Masterarbeit
Hauptgutachter*in: Zukunft, Olaf 
Gutachter*in der Arbeit: Sarstedt, Stefan 
Enthalten in den Sammlungen:Theses

Zur Langanzeige

Seitenansichten

58
checked on 12.08.2025

Download(s)

50
checked on 12.08.2025

Google ScholarTM

Prüfe

HAW Katalog

Prüfe

Feedback zu diesem Datensatz


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.