基于时序卷积网络的云服务器性能预测模型

发布时间：2021-01-26 14:20

　　目前基于深度学习的主机性能预测模型大部分缺乏普适性,实验数据缺乏公正性,无法准确预测能耗或性能峰值点且时间开销较大.为解决这些问题,文章提出了一种基于改进时序卷积网络的云服务器性能预测模型（ATCN模型）.该模型将CPU利用率作为主机过载的衡量标准,利用多维性能指标构建N+1维能耗向量,建立输入向量与预测标准之间的关系;调整TCN中的卷积核大小并不断增大扩张因子,实现长期记忆效果.基于阿里云开源数据集的实验结果表明:ATCN模型具有强自适应性,在不同硬件配置和资源使用情况下,预测准确率和效率方面比LSTM模型提升大约20%. 

【文章来源】：华南师范大学学报(自然科学版). 2020,52(04)北大核心

【文章页数】：7 页

【部分图文】：

ATCN网络架构图

对给定输入{x1,x2，…，xT-1,xT}，T时刻的预测值^yT可以提取到很久以前的输入序列信息，这是因为当扩张因子不断膨胀，感受野所覆盖的感受范围也越来越广(图2):当d=1时，卷积核感受野相当于普通卷积;当d=2时，卷积核感受野等于25;当d=3，卷积核感受野等于36.ATCN网络架构构建的具体步骤如下:

卷积过程图

【参考文献】：
期刊论文
[1]云数据中心虚拟资源管理研究综述[J]. 钱琼芬,李春林,张小庆,李腊元.  计算机应用研究. 2012(07)



本文编号：3001262