Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
Zawartość zarchiwizowana w dniu 2024-06-18

Proactive Autonomic Management of Cloud Resources

Opis projektu


Software Engineering, Services and Cloud Computing

The main objective of the project "PANACEA" is to provide Proactive Autonomic Management of Cloud Resources as a remedy to the exponentially growing complexity.If you look at the system resources (Internet) at the bottom of the stack, that system resource can be servers, storage, data centres, and network resources, the concept is then to build a level of virtualization of those resources so that any given event is not tied to one box necessarily or to one storage disk. Once you get that kind of leverage, you can build the set of functions that relate to autonomic self-* properties: configuring, healing, optimizing and protecting. The design that you have to have holistically has to deal with the fact that components are going to fail. The aim of a Cloud Computing platform is to support redundant, self-recovering, highly scalable programming models that allow workloads to recover from many inevitable hardware/software failures and monitoring resource use in real time for providing physical and virtual servers, on which the applications can run.It will propose innovative solutions for autonomic management of cloud resources, which will be based on a set of advanced Machine Learning Techniques and virtualization. A Machine Learning (ML) framework will be created for a proactive autonomic management of cloud resources. It will allow predicting the failure time of software, or user applications running on Virtual Machines (VM) and the violation of expected response time of services.To deal with the vast number of possible resources to monitor, our main approach will consider the use of mobile agents, which will move on the cloud, interacting with other agents, reading computing and network sensors, and making autonomous decisions on what to measure, when to report and to whom. Distributed Machine Learning, based on Reinforcement Learning and Neural Networks, will be used to enforce "self-organizing paths".

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

FP7-ICT-2013-10
Zobacz inne projekty w ramach tego zaproszenia

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

CP - Collaborative project (generic)

Koordynator

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE CNRS
Wkład UE
€ 272 291,00
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

Brak danych

Uczestnicy (7)

Moja broszura 0 0