.png){kind=icon}
返回
SaaS Subscription Resource Usage: A Machine Learning Approach
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-96-7423-7_11.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
软件即服务（SaaS）提供商基于各种用户订阅选项提供服务，这些选项的资源需求波动较大。为了最大化利润，必须最大化收入并最小化支出。SaaS所有者可以通过将订阅价格与其资源需求对齐来优化利润。然而，由于不同的订阅配置涉及不同的功能，监控其资源需求可能具有挑战性。我们的提案旨在估计用户产生的资源使用量，并利用此信息确定每种订阅配置的需求。为此，我们提出了一种机器学习方法，该方法在给定时间确定系统的资源使用量，同时访问不同订阅用户的数量，从而为订阅资源使用开辟了一条路径。该模型首先使用预生产环境中模拟用户活动监控的数据进行训练。然后，它使用来自生产环境中最小侵入式监控获得的真实用户交互进行更新。通过模型的误差指标和对训练数据的评估来衡量解决方案的有效性。该解决方案使我们能够根据资源使用量估计来评估每种订阅配置的资源需求。
Keyword:
software as a service
saas
pricing
subscription
monitoring
resource usage
machine learning
simulation
期刊
机构
引用论文
.png){kind=icon}
Regression-Based Dynamic Provisioning and Monitoring for Responsive Resources in Cloud Infrastructure Networks基于回归的动态资源分配与监控，用于云基础设施网络中的响应式资源
PREAI
分享收藏
查看更多内容