.png){kind=icon}
返回
Fault tolerance optimization using game theory approach in cloud computing
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-026-06280-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云计算因其灵活的按需付费模式以及提供可扩展存储和服务的能力，已成为许多领域必不可少的技术。其主要目标是确保服务质量的同时满足服务级别协议。然而，随着需求的增长，节点故障和服务中断的风险也随之增加，影响整体可用性。为应对这一挑战，本文提出了一种名为贝叶斯信任与斯塔克尔伯格驱动的遗传迁移（BTS-GM）的新方法。该方法结合信任评估、定价策略和混合博弈论模型以提高容错能力并降低故障风险。通过信任模型分析历史性能以最小化完成时间，同时模拟过程中监控CPU停机时间以避免中断。该方法使用基于工作负载追踪的模拟进行了测试，并与PSO-GTA、FP-TOSM和ISMO在相同条件下进行了比较。结果表明，BTS-GM在容错能力、节点故障风险和SLA违规方面表现更优，从而提高了服务可用性和系统可靠性。
Keyword:
Cloud computing
Virtual machine migration
Fault tolerance
SLA violations
Failure risk
BTS-GM (Bayesian-Trust and Stackelberg-Driven Genetic Migration)
期刊
C
IF:
4.1
论文数:
5.1K
被引数:
7.5K
机构
引用论文
Service Level Agreement in cloud computing: Taxonomy, prospects, and challenges.png)
INTERNET OF THINGS
OAAI
INTERNET OF THINGSIF7.6
OAAI分享收藏Protecting the Internet of Vehicles Against Advanced Persistent Threats: A Bayesian Stackelberg Game
PREAI
分享收藏Detecting attacks in Fog and cloud computing environments using Deep Learning: A systematic literature review利用深度学习在雾计算和云计算环境中检测攻击：一项系统文献综述COMPUTER NETWORKS
COMPUTER NETWORKSIF4.6
PREAI
分享收藏
查看更多内容