基于三支决策的云负载预测研究

发布时间：2024-02-01 00:42

　　近些年,云计算技术凭借其超大规模、高扩展性、高可靠性、虚拟化和按需服务等优点得到了快速发展。它可以提供按需付费的资源租赁模式,但是静态的供应方式不够灵活,用户租用云资源时会存在极大的资源浪费现象,因此云环境下的资源管理技术已经成为当前云计算研究领域的重要技术之一。在资源需求的突发场景下,通过对负载请求量及资源需求量进行精准预测,可以有效地管理资源,实现资源利用率最大化。使用预测技术来管理云资源需求,预测未来一段时间的资源需求情况,可以实现对资源的动态分配,具有重要的理论意义和实用价值。本课题关注于云环境下资源管理预测技术,分析和对比了当前云负载预测技术的关键性问题。针对传统的预测方法难以很好适应于动态变化的云负载资源需求现状,将云资源需求按照负载差值划分为三个时期:云负载平稳期、云负载波动期、云负载抖动期。将三支决策理论引入云负载预测技术,开展一系列基于三支决策的云负载需求预测研究。(1)针对云负载特征动态变化不规律,难以界定平稳期和抖动期的阈值问题,本课题通过增加一个边界域延迟决策的方法,将传统云负载变化时期的二支情况拓展到三支情况,提出一种面向云负载变化的三支决策边界域处理模型。首...

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

图3-2云资源负载需求Figure3-2Cloudresourceloadrequirementsgraph

第3章面向云负载需求变化的三支决策边界域处理模型24jobID任务所属作业的标识符taskindex任务所属作业的索引值machineID执行任务主机的标识符meanCPUusagerateCPU平均速率canonicalmemoryusage标准内存使用assignedmemo....

图3-3分类损失代价Figure3-3Costofclassifiedloss

哈尔滨师范大学硕士学位论文25根据分析负载特征变化发现，负载需求量随着时间不断改变，在一定时期，需求量相对稳定；在一定时期，需求量大幅度抖动，有突发需求状况；在一定时期，负载需求量变化不是十分明显，难以界定其属于平稳还是抖动。3.3.2代价损失在对边界域样本进行处理之前，我们需要....

图4-4三种模型预测结果对比图

哈尔滨师范大学硕士学位论文33CPU的资源使用情况，容易导致资源短缺，进而影响集群的服务质量。（2）神经网络（NN）从图4-4的观察中得到，NN对平缓期的CPU使用有着更为理想的预测效果，但算法本身容易陷入局部最优解，因此对抖动期的CPU使用的预测略显不足，难以适应突增的资源使用....

图4-5不同数据集的预测结果

哈尔滨师范大学硕士学位论文35(c)task_usage_499预测结果图4-5不同数据集的预测结果Figure4-5Thepredictedresultsofdifferentdatasets表4-2不同数据集模型预测评价指标对比Table4-2Modelpredictione....

本文编号：3891673