近些年,云計(jì)算技術(shù)憑借其超大規(guī)模、高擴(kuò)展性、高可靠性、虛擬化和按需服務(wù)等優(yōu)點(diǎn)得到了快速發(fā)展。它可以提供按需付費(fèi)的資源租賃模式,但是靜態(tài)的供應(yīng)方式不夠靈活,用戶租用云資源時(shí)會(huì)存在極大的資源浪費(fèi)現(xiàn)象,因此云環(huán)境下的資源管理技術(shù)已經(jīng)成為當(dāng)前云計(jì)算研究領(lǐng)域的重要技術(shù)之一。在資源需求的突發(fā)場(chǎng)景下,通過(guò)對(duì)負(fù)載請(qǐng)求量及資源需求量進(jìn)行精準(zhǔn)預(yù)測(cè),可以有效地管理資源,實(shí)現(xiàn)資源利用率最大化。使用預(yù)測(cè)技術(shù)來(lái)管理云資源需求,預(yù)測(cè)未來(lái)一段時(shí)間的資源需求情況,可以實(shí)現(xiàn)對(duì)資源的動(dòng)態(tài)分配,具有重要的理論意義和實(shí)用價(jià)值。本課題關(guān)注于云環(huán)境下資源管理預(yù)測(cè)技術(shù),分析和對(duì)比了當(dāng)前云負(fù)載預(yù)測(cè)技術(shù)的關(guān)鍵性問(wèn)題。針對(duì)傳統(tǒng)的預(yù)測(cè)方法難以很好適應(yīng)于動(dòng)態(tài)變化的云負(fù)載資源需求現(xiàn)狀,將云資源需求按照負(fù)載差值劃分為三個(gè)時(shí)期:云負(fù)載平穩(wěn)期、云負(fù)載波動(dòng)期、云負(fù)載抖動(dòng)期。將三支決策理論引入云負(fù)載預(yù)測(cè)技術(shù),開(kāi)展一系列基于三支決策的云負(fù)載需求預(yù)測(cè)研究。(1)針對(duì)云負(fù)載特征動(dòng)態(tài)變化不規(guī)律,難以界定平穩(wěn)期和抖動(dòng)期的閾值問(wèn)題,本課題通過(guò)增加一個(gè)邊界域延遲決策的方法,將傳統(tǒng)云負(fù)載變化時(shí)期的二支情況拓展到三支情況,提出一種面向云負(fù)載變化的三支決策邊界域處理模型。首...

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3-2云資源負(fù)載需求Figure3-2Cloudresourceloadrequirementsgraph

第3章面向云負(fù)載需求變化的三支決策邊界域處理模型24jobID任務(wù)所屬作業(yè)的標(biāo)識(shí)符taskindex任務(wù)所屬作業(yè)的索引值machineID執(zhí)行任務(wù)主機(jī)的標(biāo)識(shí)符meanCPUusagerateCPU平均速率canonicalmemoryusage標(biāo)準(zhǔn)內(nèi)存使用assignedmemo....

圖3-3分類損失代價(jià)Figure3-3Costofclassifiedloss

哈爾濱師范大學(xué)碩士學(xué)位論文25根據(jù)分析負(fù)載特征變化發(fā)現(xiàn)，負(fù)載需求量隨著時(shí)間不斷改變，在一定時(shí)期，需求量相對(duì)穩(wěn)定；在一定時(shí)期，需求量大幅度抖動(dòng)，有突發(fā)需求狀況；在一定時(shí)期，負(fù)載需求量變化不是十分明顯，難以界定其屬于平穩(wěn)還是抖動(dòng)。3.3.2代價(jià)損失在對(duì)邊界域樣本進(jìn)行處理之前，我們需要....

圖4-4三種模型預(yù)測(cè)結(jié)果對(duì)比圖

哈爾濱師范大學(xué)碩士學(xué)位論文33CPU的資源使用情況，容易導(dǎo)致資源短缺，進(jìn)而影響集群的服務(wù)質(zhì)量。（2）神經(jīng)網(wǎng)絡(luò)（NN）從圖4-4的觀察中得到，NN對(duì)平緩期的CPU使用有著更為理想的預(yù)測(cè)效果，但算法本身容易陷入局部最優(yōu)解，因此對(duì)抖動(dòng)期的CPU使用的預(yù)測(cè)略顯不足，難以適應(yīng)突增的資源使用....

圖4-5不同數(shù)據(jù)集的預(yù)測(cè)結(jié)果

哈爾濱師范大學(xué)碩士學(xué)位論文35(c)task_usage_499預(yù)測(cè)結(jié)果圖4-5不同數(shù)據(jù)集的預(yù)測(cè)結(jié)果Figure4-5Thepredictedresultsofdifferentdatasets表4-2不同數(shù)據(jù)集模型預(yù)測(cè)評(píng)價(jià)指標(biāo)對(duì)比Table4-2Modelpredictione....

本文編號(hào)：3891673