走在汽車革命的路上論文書籍站
國立屏東科技大學 資訊管理系所 龔旭陽所指導 游博翔的 基於XGBoost方法之網路頻寬預測機置設計與實作 （2018），提出Centos r update關鍵因素是什麼，來自於機器學習、OpenStack、網路流量分類、頻寬預測。
而第二篇論文龍華科技大學 資訊管理系碩士班 林芳苓所指導 葉佩峰的 巨量資料分析平台與服務之研究 （2017），提出因為有 Cloudera、Hadoop、Spark、VMware ESXi、MKSbackup、FreeNAS的重點而找出了 Centos r update的解答。
基於XGBoost方法之網路頻寬預測機置設計與實作
為了解決Centos r update 的問題，作者游博翔 這樣論述：
本論文針對場域中大量之農業感測器(Sensor)與網路攝影機(IP-Cam)影像流量網路頻寬分配問題進行解決，由於網路攝影機之日常作業容易造成大量的網路傳輸占用網路頻寬，影響場域中農業感測器資料傳輸以及使用者呼叫系統伺服器端時資料庫語法之順暢度，因此，本論文預計實現網路頻寬分配且盡量滿足網路QoS要求。有別於傳統以經驗為主之QoS設定，本論文導入OenStack虛擬化整合技術，利用 Neutron與Ceilometer等元件進行網路傳輸資源整合以及QoS管理，另外，為了細緻化整體網路QoS要求，本論文採用XGBoost (eXtreme Gradient Boosting)極限梯度提升算法進
行流量預測，並於特徵篩選與過濾方面，採用隨機森林方法，依流量參數特徵及重要性排名，刪除影響較小之參數並採用Sparsity缺失資料數值處理，進行模型計算效能上之優化，最後訓練出各虛擬機對應所需傳輸流量，並依照各虛擬機流量更新QoS策略，進以Nertron QoS修改各機器對應頻寬策略，達到減少各虛擬機無效頻寬占用率以及最適最小頻寬保證之功效。最後我們建置OpenStack虛擬網路環境，模擬實驗本論文所提出之網路頻寬預測機置，相關實驗結果顯示所提出方法之有效性。
巨量資料分析平台與服務之研究
為了解決Centos r update 的問題，作者葉佩峰 這樣論述：
隨著網路科技蓬勃發展、物聯網的興起，企業累積龐大且多元型式的資料。傳統的數據分析框架無法處理如此大量的資料，如何面對巨量資料並在商業活動中創造高附加價值，是各企業近幾年努力的方向。與國外相比，巨量資料分析平台在台灣教學與學術研究文件較少，本論文希望可以在巨量資料分析平台的研究上做一些努力。Hadoop自2005年由Apache基金會引入成為一項子項目開始，打開了一扇巨量資料研究大門，眾多發行版如雨後春筍般的分支發展，其中以商業模式運行著名並提供高相容性與穩定性的發行版非Cloudera莫屬。本研究以Cloudera為基礎，探討Hadoop發行版以及對應的虛擬化與備份策略，並針對用途發展分為兩
個部分。第一部分探討適用於教學與個人使用的虛擬機開放格式文件（.OVF），第二部分則是以龍華科技大學為例，探討在有限的資源下如何透過VMware ESXI搭建叢集，並且透過MKSBackup實現穩健的備份策略。本研究結果可以成為大多數在預算與成本間擺盪不定的中小企業、SOHO族，甚至是資源匱乏的私校做為參考實例，讓自建環境不再困難，以提升台灣巨量資料分析平台技術水平。