Paltenghi, Matteo - ძიების შედეგები

ძებნა კოლექციები:

დახარისხება:	შედეგების ჩვენება:	გამავალი ფორმატი:

CERN Document Server	3 ჩანაწერია ნაპოვნი	ძიებას დასჭირდა 0.53 წამი.

Anomaly detection in the CERN cloud infrastructure / Giordano, Domenico (CERN) ; Paltenghi, Matteo (CERN) ; Metaj, Stiven (CERN) ; Dvorak, Antonin (Prague, Inst. Phys.)
Anomaly detection in the CERN OpenStack cloud is a challenging task due to the large scale of the computing infrastructure and, consequently, the large volume of monitoring data to analyse. The current solution to spot anomalous servers in the cloud infrastructure relies on a threshold-based alarming system carefully set by the system managers on the performance metrics of each infrastructure’s component. [...]
2021 - 10 p. - Published in : EPJ Web Conf. 251 (2021) 02011 Fulltext: PDF;
In : 25th International Conference on Computing in High-Energy and Nuclear Physics (CHEP), Online, Online, 17 - 21 May 2021, pp.02011

დეტალური ჩანაწერი - მსგავსი ჩანაწერები

Preparing Distributed Computing Operations for the HL-LHC Era With Operational Intelligence / Di Girolamo, Alessandro (CERN) ; Legger, Federica (INFN, Turin) ; Paparrigopoulos, Panos (CERN) ; Schovancová, Jaroslava (CERN) ; Beermann, Thomas (Wuppertal U.) ; Boehler, Michael (Freiburg U.) ; Bonacorsi, Daniele (Bologna U. ; INFN, Bologna) ; Clissa, Luca (Bologna U. ; INFN, Bologna) ; Decker de Sousa, Leticia (Bologna U. ; INFN, Bologna) ; Diotalevi, Tommaso (Bologna U. ; INFN, Bologna) et al.
As a joint effort from various communities involved in the Worldwide LHC Computing Grid, the Operational Intelligence project aims at increasing the level of automation in computing operations and reducing human interventions. The distributed computing systems currently deployed by the LHC experiments have proven to be mature and capable of meeting the experiment goals, by allowing timely delivery of scientific results. [...]
2022 - 10 p. - Published in : Front. Big Data 4 (2022) 753409 Fulltext: PDF;

დეტალური ჩანაწერი - მსგავსი ჩანაწერები

Time Series Anomaly Detection for CERN Large-Scale Computing Infrastructure / Paltenghi, Matteo
Anomaly Detection in the CERN Data Center is a challenging task due to the large scale of the computing infrastructure and the large volume of data to monitor [...]
CERN-THESIS-2020-282 - Milano : Politecnico di Milano, 2020-10-02. - 119 p.

დეტალური ჩანაწერი - მსგავსი ჩანაწერები

გნებავთ შეტყობინების მიღება, ამ კითხვაზე ახალი პასუხების შემთხვევაში?
დააყენეთ პირადი ელფოსტის შეტყობინება ან ჩაეწერეთ RSS ფიდზე.

ვერ იპოვნეთ რასაც ეძებდით? სცადეთ თქვენი ძებნა სხვა სერვერებზე:
Paltenghi, Matteo ში Amazon Paltenghi, Matteo ში CERN EDMS Paltenghi, Matteo ში CERN Intranet Paltenghi, Matteo ში CiteSeer Paltenghi, Matteo ში Google Books Paltenghi, Matteo ში Google Scholar Paltenghi, Matteo ში Google Web Paltenghi, Matteo ში IEC	Paltenghi, Matteo ში IHS Paltenghi, Matteo ში INSPIRE Paltenghi, Matteo ში ISO Paltenghi, Matteo ში KISS Books/Journals Paltenghi, Matteo ში KISS Preprints Paltenghi, Matteo ში NEBIS Paltenghi, Matteo ში SLAC Library Catalog Paltenghi, Matteo ში Scirus

CERN Document Server

Access articles, reports and multimedia content in HEP

Main menu

		ძებნის მინიშნებანი გაფართოებული ძებნა
Add to Search +

CERN Accelerating science