Однородность виртуализационных событий, порожденных различными операционными системами

В облачных инфрастуктурах распределение виртуальных машин между серверами происходит динамически в зависимости от объема и характера потребляемых ресурсов. Для эффективного распределения необходимы как данные о текущей нагрузке, так и возможности предсказывать нагрузку в будущем. Одним из перспективных подходов для данного класса задач является машинное обучение, где решение строится на базе виртуализационных событий, порождаемых низкоуровневыми алгоритмами операционных систем. Недостатком методов машинного обучения является трудоемкость подготовки обучающих выборок. В случае анализа виртуальных машин работа затрудняется большим числом комбинаций. Без явных доказательств нельзя полагать никакие операционные системы, работающими по одним и тем же алгоритмам. Даже конфигурация может существенно влиять на низкоуровневую составляющую поведения системы. Исследования, представленные в данной работе, посвящены сокращению числа проверяемых комбинаций через проверку однородности выборок, порожденных различными системами.