One of the keys to cloud computing has been the possibility to deliver consistent performance for reduced costs compared to traditional static implementations. With more and more autoscalers becoming available from different providers, it can be difficult to determine which of the implementations best suits one's needs. This raises the question on how to reliably compare autoscalers, since "[...] it is hard to distinguish [an overall] winner [3, Chapter 6]." This thesis will tackle this problem by providing customers with an addition to the Auto-scaling Performance Measurement Tool (APMT) that includes the ability to measure various autoscalers using experimental metrics proposed by [3]. This offers customers a wide range of generalised metrics that they can use to determine which autoscaler best covers their Quality of Service (QoS) requirements.     «

One of the keys to cloud computing has been the possibility to deliver consistent performance for reduced costs compared to traditional static implementations. With more and more autoscalers becoming available from different providers, it can be difficult to determine which of the implementations best suits one's needs. This raises the question on how to reliably compare autoscalers, since "[...] it is hard to distinguish [an overall] winner [3, Chapter 6]." This thesis will tackle this probl...     »

Eine der Hauptaspekte vom Cloud Computing war schon immer die Möglichkeit, konstante Leistung für verringerte Kosten, im Vergleich zu traditionellen statischen Implementationen, zu liefern. Mit der ansteigenden Zahl an automatischen Scalern verschiedener Provider, ist es zunehmend schwer festzustellen, welcher am besten für die eigene Aufgabenstellung geeignet ist. Dies bringt die Frage auf, wie man solche automatischen Scaler verlässlich miteinander vergleichen kann, da es schwer ist einen Gesamtgewinner zu küren [3, Kapitel 6]. Diese Thesis arbeitet an diesem Problem, indem sie Kunden mit einer Erweiterung des Autoscaling Performance Measurement Tools (APMT) ausstattet, die es ermöglicht experimentelle Metriken [3] aus verschiedenen automatischen Scalern auszulesen. Dies hilft dem Nutzer dann festzustellen, welcher Scaler am besten für seinen Verwendungszweck geeignet ist.     «

Eine der Hauptaspekte vom Cloud Computing war schon immer die Möglichkeit, konstante Leistung für verringerte Kosten, im Vergleich zu traditionellen statischen Implementationen, zu liefern. Mit der ansteigenden Zahl an automatischen Scalern verschiedener Provider, ist es zunehmend schwer festzustellen, welcher am besten für die eigene Aufgabenstellung geeignet ist. Dies bringt die Frage auf, wie man solche automatischen Scaler verlässlich miteinander vergleichen kann, da es schwer ist einen Gesa...     »