AI-based Proactive Failure Management in Large-scale Cloud Environments

Notaro, Paolo

Informatik 10 - Professur für Architektur paralleler und verteilter Systeme - (Prof. Gerndt)

Back
Back to start of result list
Permanent link for displayed object

If you experience problems opening the document, please try this link.

Original title:: AI-based Proactive Failure Management in Large-scale Cloud Environments
Translated title:: KI-basiertes proaktives Fehlermanagement in Cloud-Umgebungen
Author:: Notaro, Paolo
Year:: 2024
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Institution:: Informatik 10 - Professur für Architektur paralleler und verteilter Systeme - (Prof. Gerndt)
Advisor:: Gerndt, Hans Michael (Prof. Dr.)
Referee:: Gerndt, Hans Michael (Prof. Dr.); Kranzlmüller, Dieter (Prof. Dr.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik
Keywords:: AIOps ; failure management ; machine learning ; systematic literature review ; hardware failure prediction ; command-line security ; root cause analysis
Translated keywords:: AIOps ; Fehlermanagement ; maschinelles Lernen ; systematische Literaturrecherche ; Vorhersage von Hardwareausfällen ; Befehlszeilensicherheit ; Ursachenanalyse
TUM classification:: DAT 250; DAT 516
Abstract:: Modern IT infrastructures are becoming increasingly large and complex, creating challenges for O&M teams in managing and optimizing cloud services. AIOps supports O&M through the use of AI and large-scale monitoring. This thesis presents the current state of research in the domains of AIOps and proposes new methods for proactive failure management, covering applications in all layers of a cloud stack model (infrastructure, platform, software).
Translated abstract:: Moderne IT-Infrastrukturen werden immer umfangreicher und komplexer, was die O&M-Teams bei der Verwaltung und Optimierung von Cloud-Diensten vor große Herausforderungen stellt. AIOps unterstützt O&M durch den Einsatz von KI und umfangreicher Überwachung. Diese Arbeit stellt den Stand der Forschung für die Bereiche von AIOps vor und schlägt neue Methoden für ein proaktives Fehlermanagement vor, die Anwendungen in allen Schichten eines Cloud-Stack-Modells (Infrastruktur, Plattform, Software) abdecken.
WWW:: https://mediatum.ub.tum.de/?id=1720151
Date of submission:: 13.09.2023
Oral examination:: 01.07.2024
File size:: 6860137 bytes
Pages:: 189
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240701-1720151-1-1
Last change:: 08.08.2024
BibTeX