大规模分布式电商集群的鲁棒性流量预测研究

发布时间：2021-02-12 19:01

　　流量预测是容量调整、提高资源利用率的重要方法。传统的流量预测方法一直关注于预测精确度,却不能保证实际生产中容量规划的鲁棒性,因为生产环境会遇到很多突发事件,如在线促销、集群故障。本文在时间序列预测技术和神经网络不确定性研究基础上,为解决服务质量与资源利用率之间冲突,提出了一个鲁棒的流量预测算法。该算法能够对未来流量的准确值和不确定性区间同时进行预测。本文主要研究内容:1.分析了时间序列预测技术。2.研究了不确定性区间估计方法,本文给出一种不确定性区间的计算方法,另外提出了三个评估指标来评估区间。实验结果表明,我们的算法取得了很好的预测准确度与区间估计效果,还对异常情境有很强的鲁棒性。该算法为容量规划、异常检测提供了传统预测不具备的参考价值。 

【文章来源】：中国科学院大学(中国科学院深圳先进技术研究院)广东省

【文章页数】：44 页

【学位级别】：硕士

【图文】：

线上购物产生流量的操作流程

微服务架构是 SOA 的一种细粒度实现方式，通常包含数百到数千个子服务，即微服务，以支持复杂的应用程序。每个微服务是在一台或多台机器上运行一组进程，并通过消息传递与其他微服务进行通信, 如图2.3是一个简单的在线购物微服务示意图。通过将不同微服务的实现与部署分离的方式，微服务架构提高了独立开发和产品迭代更新的效率。网关网站账户服务库存服务购物服务账户数据库库存数据库购物信息数据库图 2.3 微服务示意图Figure 2.3 Micro service schematic diagram8

MAE得分Figure3.2TheMAEscore


本文编号：3031302