Bokhari, Syed Mohtashim Abbas (2021) Design of Scenario-based Application-optimized Data Replication Strategies through Genetic Programming. PhD, Carl von Ossietzky Universität Oldenburg.

Preview

- Accepted Version Volltext (8Mb)

Abstract

A distributed system is a paradigm, which is indispensable to the current world due to countless requests with every passing second. Therefore, in distributed computing, high availability is very important. Since failures are often inevitable in a distributed paradigm, it greatly affects the availability of services. Replication plays a role in mitigating such failures by masking them to achieve a fault-tolerant distributed environment, thereby eliminating the hindrances in the availability of the data. In this regard, this research focuses on sophisticated modeling, analysis, and machine learning approaches, particularly, genetic programming to automatically identify and design new data replication strategies that are innovative. This dissertation proposes a genetic programming-based multi-objective optimization approach that offers competitive results w.r.t. the contemporary strategies as well as generating novel strategies even with a slight use of relevant genetic operators.

["eprint_fieldname_title_plus" not defined]

Entwurf von szenariobasierten anwendungsoptimierten Datenreplikationsstrategien mittels genetischer Programmierung

["eprint_fieldname_abstract_plus" not defined]

Ein verteiltes System ist ein Paradigma, welches für die moderne, technologische Welt unverzichtbar ist, in der jede Sekunde unzählige Anfragen verarbeitet werden. Dafür braucht es in verteilten Systemen eine hohe Verfügbarkeit. In einer sich verändernden Umgebung sind durch die Komplexität und Skalierbarkeit der Ressourcen und Komponenten die Systeme häufig Fehlern ausgesetzt. Replikation spielt eine Rolle bei der Milderung solcher Fehler. Sie maskiert diese, um eine fehlertolerante Umgebung zu schaffen. In dieser Hinsicht fokussiert sich diese Forschung auf zielgerichtete Modellierung, maschinelles Lernen und insbesondere genetische Programmierung, um automatisch neue Datenreplikationsstrategien zu identifizieren und entwerfen. Diese Dissertation stellt einen Ansatz zur Abwägung und Optimierung der Ziele vor, welcher auf genetischer Programmierung basiert. Er bestimmt neue, auf das Problem zugeschnittene Replikationsstrategien, die mit etablierten Strategien konkurrieren.

Item Type:	Thesis (PhD)
Uncontrolled Keywords:	Verteiltes System, Fehlertoleranz, Hybride Datenreplikation, Maschinelles Lernen, Genetische Programmierung
Subjects:	Generalities, computers, information > Computer science, internet
Divisions:	School of Computing Science, Business Administration, Economics and Law > Department of Computing Science
Date Deposited:	22 Oct 2021 14:38
Last Modified:	22 Oct 2021 14:38
URI:	https://oops.uni-oldenburg.de/id/eprint/5134
URN:	urn:nbn:de:gbv:715-oops-52157
DOI:
Nutzungslizenz:

Actions (login required)

View Item