
Capacity planning per il servizio di cloud computing
L’esigenza dell’Impresa
Una compagnia che offre il servizio di cloud-computing mette a disposizione di eventuali richieste di clienti risorse informatiche di vario genere (processori, memoria virtuale, spazio su disco). La compagnia deve cercare di soddisfare due esigenze: da una parte quella di avere sempre dell’hardware da erogare per venire incontro a eventuali richieste e dall’altra l’esigenza di non tenere un grosso numero di macchine inutilizzate.
Il problema scientifico
Al fine di soddisfare le esigenze, risulta cruciale disporre di una previsione razionale che utilizzi tutte le informazioni a disposizione e che possa indicare la probabilità di ricevere un certo numero di richieste in un determinato lasso di tempo. Risulta necessario quindi modellizzare l’arrivo di clienti ed inferire, dai dati del passato, il rate di arrivo di una richiesta, come pure la sua composizione.
Metodologie e soluzioni sviluppate
L’approccio bayesiano permette di ottenere tale previsione e fornisce risultati di chiara interpretazione. Studiando lo storico di tutte le richieste e sapendo le risorse a disposizione, si è costruito un modello che riesca a simulare (tramite tecniche Monte Carlo) scenari di richieste del prossimo futuro. Si è quindi proceduto a sviluppare un’interfaccia grafica che permette all’utente di stimare il tempo entro il quale le risorse attualmente disponibili si esauriranno e la probabilità di soddisfare le richieste in un fissato lasso di tempo.
Risultati e benefici per il cliente
Con il tool a disposizione, la compagnia che offre il servizio può razionalmente stabilire i “refill” fisici, ossia decidere quando il proprio parco macchine vada ingrandito. Il tool inoltre permette di gestire quantitativamente il rischio di ritardare l’erogazione del servizio verso alcuni clienti e paragonarlo al costo di un eventuale acquisto di altre macchine.
Partner dello Sportello Matematico: Pangea Formazione
- Client:Telecom Italia
- Other Projects:
Contattaci: +39 06 49937359/69
Un progetto di CNR-IAC