基于容器的负载预测模型与能耗优化调度策略研究

发布时间：2020-06-09 01:48

【摘要】：随着近年来容器技术的不断发展,继IaaS、PaaS、SaaS之后,在云计算领域又出现了容器即服务(Container as a Service,CaaS)的运作模式。CaaS不仅更细化了资源划分的粒度,同时还进一步扩大了云计算的规模,但这也导致了云数据中心的能耗问题日益严重。容器负载与其产生的能耗之间有着密切联系,因此可以根据容器的负载状态来进行资源的动态配置和调度,从而优化系统的整体能耗。但由于云环境中容器负载状态变化频繁,从监控软件获得的负载值可能存在很大的滞后性,因此需要借助数学模型来预测容器的负载状态。除此之外,由于容器规模大,调度过程不仅涉及到容器本身还涉及到虚拟机,因此CaaS模式下的节能调度问题会更加复杂。综上,如何准确预测容器负载并能依据预测结果对容器进行有效资源配置和调度是当下亟待解决的问题。在这样的研究背景下,本文所做的主要工作有:(1)本文调研了在负载预测领域广泛使用的单值预测模型,并分析指出此类模型存在误差敏感、鲁棒性差等缺点,不利于资源配置和调度决策。为此,本文在传统区间预测模型的基础上,提出了一种基于趋势感知的区间预测模型(简称SAC-GPSO-SVM)。该模型通过频谱特征和自相关系数分析来对不同趋势的负载进行分类(SAC),并结合SVM方法进行针对性的预测。为了提升预测效果,模型还引入了带梯度信息的粒子群算法(GPSO)来优化SVM中的超参数。在公开数据集上的实验结果表明,SAC-GPSOSVM能在提升预测区间对真值覆盖率的同时有效窄化区间宽度。(2)为保证服务质量且有效降低云数据中心能耗,本文提出了基于动态伸缩的容器调度策略(简称DSCS)。该策略首先会根据容器伸缩规则以及SAC-GPSO-SVM模型对容器负载的预测结果,有针对性地增加或减少容器副本,尽可能以最小容器数量保证服务正常运行。接着,通过策略中基于负载相关性分析的容器选择算法(MCor-ML)和主机选择算法(CorHS),来有效地放置新增容器,并以最小代价实现过载/欠载主机上容器的迁移/合并过程。最后,策略会根据系统状态,销毁没有容器运行的虚拟机并使闲置主机进入休眠,从而减少资源浪费、降低能耗。在扩展了容器仿真功能的CloudSim平台上的实验结果表明:与其他策略相比,在保证云服务质量的同时(SLA违反率小于5%),DSCS能达到更优的节能效果(节能效果提升7.41%)。
【图文】：

第三章 容器负载预测模型研究表 3-2 选中容器的日期、类型、编号和简写标记日期 类型 编号 简写20110306 平稳型 planetlab1_cs_purdue_edu_purdue_2 sm.120110412 趋势型 planet1_scs_cs_nyu_edu_uw_oneswarm tr.120110403 周期型 planetlab2-santiago_lan_redclara_net_ethzcs_tracegatherer pe.1三份容器负载数据都是每 5 分钟记录一次这段时间内容器负载的平均值，总共记录了一日 287 个数据点（24 小时=287*5 分钟）的数据，如图 3-5 所示，从左至右，sm.1，tr.1，，pe.1 分别代表平稳型、趋势型、周期型的容器负载数据。图中，纵坐标皆为负载值（单位：%），横坐标皆为时间（单位：5min）。

36（c）周期型负载（pe.1）预测结果 3-6 SAC-GPSO-SVM 模型对三类容器负载（sm.1，tr.1，pe.1）的预测 3-6 可以看出，对于三种类型的容器负载，本文提出的 SAC-GPSO-S预测域能够覆盖测试集中大部分负载真值，同时也保证了区间保留真，使预测的上下界之间的宽度维持在一个较小的范围内。虽然，从图中也不难发现，预测域的上/下界没有将部分突出的峰值或者谷值覆盖致部分时刻 SLA 降级或是资源浪费，但由于这些突发情况出现和持在实际的云计算资源动态调整的场景中，是可以被忽略的。对于频繁 3-6（c）中记录点 20~80 这一区域所示，周期型负载会在一个值附近速波动，对此，本文提出的 SAC-GPSO-SVM 模型也能获得较好的预型能通过增大区间宽度的方式（记录点 20~40，区间宽度增大），有效
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP302

【相似文献】

相关期刊论文 前10条

1 凌云;王建东;;浅析4~#高炉的炉缸侵蚀预测模型[J];南钢科技与管理;2007年03期

2 谷鸿秋;王俊峰;章仲恒;周支瑞;;临床预测模型:模型的建立[J];中国循证心血管医学杂志;2019年01期

3 周媛;叶烨;王新彦;周宏根;王筱蓉;;零转弯半径割草机连续翻滚特性参数化预测模型[J];农机化研究;2018年01期

4 刘洪太;郭云霞;;基于情景数据的火灾预测模型设计与实现[J];科技创新与应用;2018年26期

5 王伟卿;;灰色预测模型在预测话音网关故障中的研究与应用[J];计算机测量与控制;2016年11期

6 韩文倩;;灰色预测模型在山东省保费预测中的应用[J];保险职业学院学报;2017年01期

7 杨萌;;基于灰色预测模型的山西省批发零售业人员需求分析[J];数学的实践与认识;2017年04期

8 崔剑;巴合提努尔·巴赞;李书钦;;烧结过程SO_2排放预测模型研究[J];资源节约与环保;2017年08期

9 张春涛;关文忠;刘学飞;;混沌时间序列的2阶预测模型[J];数学的实践与认识;2016年05期

10 夏静;;建设项目环境影响评价预测模型发展现状[J];绿色科技;2016年08期

相关会议论文 前10条

1 匡启帆;李益洲;李梦龙;;对于药物不良反应预测模型的系统研究[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

2 肖健华;吴今培;;基于支持向量机的预测模型及应用[A];2003年中国智能自动化会议论文集（下册）[C];2003年

3 王坤龙;;天津地区雾霾的成因及预测模型建立的研究[A];科学发展·协同创新·共筑梦想——天津市社会科学界第十届学术年会优秀论文集（中）[C];2014年

4 郭庆春;;基于人工神经网络的空气污染指数预测模型[A];Proceedings of Conference on Environmental Pollution and Public Health（CEPPH 2012）[C];2012年

5 王亮;刘豹;徐德民;;预测模型的选择及其智能化实现[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

6 罗荣桂;黄敏镁;;基于自适应神经模糊推理系统的服务业发展预测模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

7 何彭君;;事故预测模型的建立与应用[A];安全责任与素养提升的实践研究——2017安全科学与工程技术研讨会论文集[C];2017年

8 李阳旭;邓辉文;;一种新的企业市场预测模型及其比较研究[A];2004年中国管理科学学术会议论文集[C];2004年

9 张晓f^;;全球煤炭产量的灰色预测模型[A];中国现场统计研究会第十三届学术年会论文集[C];2007年

10 曾练平;燕良轼;;大学师范生可就业能力预测模型的建构[A];增强心理学服务社会的意识和功能——中国心理学会成立90周年纪念大会暨第十四届全国心理学学术会议论文摘要集[C];2011年

相关重要报纸文章 前10条

1 记者 黄辛;上海交通大学 提出基于信号通路的肝癌风险预测模型[N];中国科学报;2019年

2 记者 康民;全球首个流感预测模型落户重庆[N];中国保险报;2017年

3 北京大学肿瘤医院 刘晨;筛查食管癌有了风险预测模型[N];健康报;2017年

4 特约记者 刘京涛;华东化工销售员工设计价格预测模型见成效[N];中国石油报;2010年

5 本报记者 张超;预测模型：推算SARS起落潮[N];科技日报;2003年

6 刘庆;“预测模型”要缓行[N];网络世界;2006年

7 记者 华凌;颗粒物成云新理论有助改进预测模型[N];科技日报;2015年

8 四川农业大学 王立志 贾刚 王康宁;饲料有效磷的评定及预测模型的“雏形”[N];中国畜牧兽医报;2006年

9 张琳 赵伟;巧用Excel构建利润预测模型[N];财会信报;2007年

10 中兴通讯 曾志 杨毅;建立移动用户流失分析预测模型[N];通信产业报;2014年

相关博士学位论文 前10条

1 杨居衡;多相体系蜡析出计算模型研究[D];中国石油大学(北京);2018年

2 高山砚;妊娠期糖尿病危险因素研究与预测模型构建[D];中国医科大学;2019年

3 李金金;天津市慢性病队列研究及风险预测模型的建立[D];天津医科大学;2018年

4 陈玲;孕期及产后压力性尿失禁风险预测模型的构建、验证及应用[D];南方医科大学;2018年

5 云科;MSM人群HIV感染风险预测模型的建立及应用[D];中国医科大学;2018年

6 林开阳;急诊经皮冠状动脉介入术后对比剂肾病的危险因素分析及风险预测模型构建[D];南方医科大学;2018年

7 支元杰;大气环境下小样本金属材料腐蚀的数据驱动预测模型[D];北京科技大学;2019年

8 冉祥栋;基于深度学习的交通时间预测模型与方法研究[D];北京科技大学;2019年

9 胡姗姗;药物互作数据的挖掘与预测研究[D];安徽大学;2019年

10 沈思鹏;基于生存结局的多组学预测模型统计学方法研究与应用[D];南京医科大学;2019年

相关硕士学位论文 前10条

1 谭续海;基于大数据挖掘川崎病静脉注射丙种球蛋白不敏感的危险因子及构建预测模型[D];重庆医科大学;2019年

2 李宜伦;基于混合预测的光伏功率预测方案设计与研究[D];沈阳工程学院;2019年

3 郑强;基于深度学习的光伏发电量预测模型研究[D];华北电力大学;2019年

4 马利洁;Spark框架下基于变量预测模型的变压器故障的并行化诊断[D];华北电力大学;2019年

5 李薪;基于磁共振成像技术的大脑老化预测模型的研究[D];电子科技大学;2019年

6 秦靖柯;基于多源数据的矿物浮选过程预测模型的研究[D];电子科技大学;2019年

7 何宏周;基于深度学习的婴儿姿势估计算法研究[D];电子科技大学;2019年

8 李幻;基于植株冠层分层孔隙率的雾滴穿透量预测模型构建与试验研究[D];山东农业大学;2019年

9 吴琪;建立基于生化指标的冠心病风险预测模型[D];杭州师范大学;2019年

10 陈娴;CIN2~+病变风险预测模型构建及临床验证[D];重庆医科大学;2019年

本文编号：2703989