Cân bằng tải trên đám mây là một thách thức cần nghiên cứu và cải tiến, với rất nhiều thuật toán không ngừng ra đời như Max-Min, Min-Min, Round-Robin, CLBDM, Active Clustering nhằm cải thiện hiệu năng của bộ cân bằng tải. Tuy đã có rất nhiều công trình đạt thành tựu đáng kể, nhưng việc sử dụng phương pháp dự đoán kết hợp học máy trên bộ dữ liệu cân bằng tải vẫn còn nhiều thách thức và hướng nghiên cứu. Do đó, luận án này phân tích cân bằng tải trong môi trường đám mây với ý tưởng từ cách tiếp cận SWOT (điểm mạnh, điểm yếu, cơ hội và nguy cơ), từ đó đưa ra đánh giá cân bằng tải với hai hướng tiếp cận: hướng tiếp cận bên trong và hướng tiếp cận bên ngoài. Với hướng tiếp cận bên trong, luận án tập trung phân tích các thuật toán cân bằng tải có liên quan đến các yếu tố bên trong của bộ cân bằng tải như thời gian phản hồi, thông lượng, các tham số khác và các đặc điểm bên trong khác. Với hướng tiếp cận bên ngoài, luận án xem xét các yếu tố bên ngoài bộ cân bằng tải, như hành vi của người dùng đám mây, cấu trúc mạng và môi trường địa lý của Internet, mức độ ưu tiên của các yêu cầu từ phía người dùng, v.v. Với mỗi hướng tiếp cận, luận án nghiên cứu các phương pháp học máy và khai phá dữ liệu tương ứng để cải thiện hiệu năng cân bằng tải trong môi trường điện toán đám mây. Luận án tiến sĩ tin học Chuyên ngành Hệ thống thông tin Người hướng dẫn: PGS.TS Trần Công Hùng, TS. Lê Xuân Trường Tác giả: Lê Ngọc Hiếu Số trang: 202 File PDF-TRUE Ngôn ngữ: Tiếng Việt Học viện Công nghệ Bưu chính Viễn thông 2023 Link Download https://luanvan.moet.gov.vn/?page=1.3&view=43255 https://drive.google.com/file/d/1S3Jlo8UCfYbEdoHMdYkhMq19IdJCRQj2https://drive.google.com/drive/folders/1yLBzZ1rSQoNjmWeJTM6cEZ3WGQHg04L1