Cloud Computing enables the provision of services based on a pay-as-you-go model. Allocation and release of resources happen dynamically according to customers’ needs following a Service Level Agreement (SLA). However, as there are a wide diversity of cloud applications and different business goals, the selection of a provisioning plan that adapts to the business dynamic becomes challenging. Cloud applications may have an under-provisioning or over-provisioning problem since the Cloud Service Provider face the trade-off between minimize resources costs and meet the stringent Quality of Service (QoS) requirements. Known Auto Scaling solutions adjust the number of available computing resources according to the current service demand but they are either restricted to a single type of resource or they do not consider the type of cloud application to be scaled and do not anticipate workloads that arise at runtime which may cause SLA violations. This thesis aims to improve the Auto Scaling process by deriving a set of scaling policies through the analysis of load patterns, application’s performance profiles, resource types, and pricing model. The outcome of this research includes the implementation of the Scaling Policy Derivation Tool (SPDT) which based on different scaling strategies selects a cost-efficient scaling policy able to meet the current and predicted service demand. The proposed solution helps Cloud Services Providers to efficiently manage the deployment and scaling of applications by answering questions like Which is the right number of resources needed?, what type or combination of type resources fits better?, what parameters and conditions should be considered before scaling?, When to start the scaling of resources?, how the type of application influence the scaling decisions?.     «

Cloud Computing enables the provision of services based on a pay-as-you-go model. Allocation and release of resources happen dynamically according to customers’ needs following a Service Level Agreement (SLA). However, as there are a wide diversity of cloud applications and different business goals, the selection of a provisioning plan that adapts to the business dynamic becomes challenging. Cloud applications may have an under-provisioning or over-provisioning problem since the Cloud Serv...     »

Cloud Computing ermöglicht die Bereitstellung von Diensten auf Basis eines pay-as-you-go modell. Die Zuteilung und Freigabe von Ressourcen erfolgt dynamisch nach den Bedürfnissen der Kunden nach einem Service Level Agreement (SLA). Allerdings gibt es eine große Vielfalt an Cloud-Anwendungen und verschiedene Geschäftsziele, Auswahl eines Bereitstellungsplans das sich an die Geschäftsdynamik anpasst, wird herausfordernd. Cloud-Anwendungen können ein Problem mit zu geringer Bereitstellung haben da der Cloud Service Provider den Kompromiss zwischen minimalen Ressourcenkosten sieht und erfüllen die strengen QoS-Anforderungen (Quality of Service). Bekannte automatische Skalierung Lösungen passen die Anzahl der verfügbaren Rechenressourcen dem aktuellen an Serviceanforderung, aber sie sind entweder auf einen einzelnen Ressourcentyp beschränkt oder nicht Berücksichtigen Sie den Typ der zu skalierenden Cloud-Anwendung und erwarten Sie keine Arbeitslasten die zur Laufzeit entstehen, was zu SLA-Nichterfüllungen führen kann. Diese Masterarbeit zielt darauf ab, den Auto Scaling-Prozess zu verbessern durch die Ableitung einer Reihe von Skalierungsrichtlinien durch die Analyse der Lastmuster, Leistungsprofile der Anwendung, Ressource Typen und Preismodell. Das Ergebnis dieser Forschung beinhaltet die Implementierung von das Skalierungsrichtlinien-Ableitungstool (SPDT), das auf verschiedenen Skalierungsstrategien basiert wählt eine kosteneffiziente Skalierungsrichtlinie aus, die den aktuellen und vorhergesagten Service erfüllt Nachfrage. Die vorgeschlagene Lösung hilft Cloud Services Providern bei der effizienten Verwaltung der Bereitstellung und Skalierung von Anwendungen durch Beantwortung von Fragen wie Welches ist das richtige Anzahl der benötigten Ressourcen? Welche Art oder kombination von Typressourcen passt besser? Welche Parameter und Bedingungen sollten vor der Skalierung beachtet werden? Wann beginnen Sie mit der Skalierung von Ressourcen? Wie beeinflusst die Art der Anwendung die Skalierungsentscheidungen?.     «

Cloud Computing ermöglicht die Bereitstellung von Diensten auf Basis eines pay-as-you-go modell. Die Zuteilung und Freigabe von Ressourcen erfolgt dynamisch nach den Bedürfnissen der Kunden nach einem Service Level Agreement (SLA). Allerdings gibt es eine große Vielfalt an Cloud-Anwendungen und verschiedene Geschäftsziele, Auswahl eines Bereitstellungsplans das sich an die Geschäftsdynamik anpasst, wird herausfordernd. Cloud-Anwendungen können ein Problem mit zu geringer Bereitstellung habe...     »