本文選題：云計算　切入點：虛擬資源管理　出處：《復(fù)旦大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著云計算技術(shù)的不斷發(fā)展,虛擬資源管理已成為其中關(guān)鍵技術(shù)之一。為了提高資源利用率,獲得更大的收益,云計算需要對資源進行有效的管理。通過對一些虛擬資源管理方法的研究我們發(fā)現(xiàn)這些方法均采用了預(yù)測技術(shù)。應(yīng)用的負載通常是動態(tài)變化的,因此其所需的資源也在不斷變化。由于資源從分配到使用存在一定的時延,云系統(tǒng)需要提前為應(yīng)用準(zhǔn)備好所需資源。為了解決這個問題,預(yù)測技術(shù)被引入到了云資源管理方法中。 通過對應(yīng)用負載特征分析我們發(fā)現(xiàn)負載存在一定的模式：周期模式,非周期模式或混合模式。目前還沒有一種預(yù)測模型能夠適用于所有模式的負載。為了更準(zhǔn)確的預(yù)測應(yīng)用負載,本文設(shè)計了模式感知預(yù)測方法。該預(yù)測方法能夠識別應(yīng)負載的模式,并選擇相應(yīng)的預(yù)測模型進行預(yù)測,在負載模式發(fā)生變化后及時感知這一變化,同時調(diào)整預(yù)測模型以適應(yīng)負載的新模式。在預(yù)測中,誤差是不可避免的,為了減少預(yù)測誤差,我們采用人工神經(jīng)網(wǎng)路(ANN)和馬爾科夫鏈方法對預(yù)測值進行修正。 為了驗證預(yù)測模型的準(zhǔn)確性和整個預(yù)測方法的自適應(yīng)性,我們采用虛擬機的CPU利用率作為實驗數(shù)據(jù)進行測試。實驗結(jié)果表明我們的預(yù)測模型能夠較準(zhǔn)確地預(yù)測應(yīng)用的負載；預(yù)測方法能夠自適應(yīng)的感知模式變化并對預(yù)測模型做出調(diào)整；通過誤差修正,我們的預(yù)測方法的準(zhǔn)確性得到了進一步提高。
[Abstract]:With the development of cloud computing technology, virtual resource management has become one of the key technologies. Cloud computing requires efficient resource management. Through the study of some virtual resource management methods, we find that these methods use predictive techniques. The load of applications is usually dynamic. As a result, the resources required are also constantly changing. Because there is a delay in resource allocation and usage, cloud systems need to prepare the required resources for the application in advance. To solve this problem, Prediction technology is introduced into cloud resource management. By analyzing the characteristics of application load, we find that there is a certain pattern of load: periodic mode, Aperiodic mode or mixed mode. There is no prediction model that can be applied to all modes. In order to predict the application load more accurately, In this paper, a pattern perception prediction method is designed, which can identify the load pattern and select the corresponding prediction model to predict the change of the load mode. In order to reduce the prediction error, the artificial neural network (Ann) and Markov chain method are used to modify the prediction value. In order to verify the accuracy of the prediction model and the self-adaptability of the whole prediction method, we use the CPU utilization of the virtual machine as the experimental data to test. The experimental results show that our prediction model can accurately predict the load of the application. The prediction method can adaptively perceive the pattern change and adjust the prediction model, and the accuracy of our prediction method is further improved by error correction.
【學(xué)位授予單位】：復(fù)旦大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP3

【共引文獻】

相關(guān)期刊論文 前10條

1 郭偉,劉興遠,張力,王躍文,孫亮;無腹筋鋼筋混凝土簡支梁受剪特性的神經(jīng)網(wǎng)絡(luò)模型初探[J];四川建筑科學(xué)研究;2004年01期

2 劉興遠,郭偉,林文修,杜文龍,易珂;重慶地區(qū)混凝土構(gòu)件碳化規(guī)律的神經(jīng)網(wǎng)絡(luò)描述[J];四川建筑科學(xué)研究;2004年04期

3 朱明強;;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)投資風(fēng)險分析中的應(yīng)用[J];四川建筑科學(xué)研究;2006年06期

4 翁興中;蔡良才;;基于神經(jīng)網(wǎng)絡(luò)理論的機場瀝青道面狀況評定[J];四川建筑科學(xué)研究;2010年01期

5 王全鳳;鄭浩;;基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的高層建筑結(jié)構(gòu)選型[J];四川建筑科學(xué)研究;2010年05期

6 李義,蔡敏,胡俊;橋梁評價系統(tǒng)的研究與開發(fā)[J];安徽建筑工業(yè)學(xué)院學(xué)報(自然科學(xué)版);2004年03期

7 魏月娟;孫華東;韓云山;;基于神經(jīng)網(wǎng)絡(luò)方法的黃土邊坡穩(wěn)定性評價[J];安徽建筑;2010年03期

8 王吉華,袁翔,孫梅霞;神經(jīng)網(wǎng)絡(luò)方法在計算蔗糖溶液粘度值中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2003年02期

9 張亞靜;趙建利;楊春河;章鐵軍;尹君;;BP神經(jīng)網(wǎng)絡(luò)模型在新增建設(shè)用地計劃指標(biāo)分配中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2010年29期

10 吳有訓(xùn);彭慕平;劉勇;;基于徑向基函數(shù)網(wǎng)絡(luò)的宣城市空氣質(zhì)量預(yù)測[J];安徽師范大學(xué)學(xué)報(自然科學(xué)版);2011年04期

相關(guān)會議論文 前10條

1 吳堅;陳寧;;基于SARBF神經(jīng)網(wǎng)絡(luò)擬合的交通流量殘缺信息修補方法研究[A];第二十九屆中國控制會議論文集[C];2010年

2 李凌;苗鑫;袁德成;;基于神經(jīng)網(wǎng)絡(luò)控制的倒立擺系統(tǒng)仿真研究[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅰ[C];2011年

3 吳良才;周曉華;;轉(zhuǎn)換GPS高程的神經(jīng)網(wǎng)絡(luò)方法[A];華東地區(qū)第十次測繪學(xué)術(shù)交流大會論文集[C];2007年

4 隋紅軍;趙廣會;袁旭東;;頻率對結(jié)構(gòu)損傷識別影響的神經(jīng)網(wǎng)絡(luò)方法研究[A];第16屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集（第Ⅲ冊）[C];2007年

5 田曉;顏勇;孔凡坊;顧德英;;新型神經(jīng)網(wǎng)絡(luò)在短期負荷預(yù)測中的應(yīng)用研究[A];山東電機工程學(xué)會第五屆供電專業(yè)學(xué)術(shù)交流會論文集[C];2008年

6 李建國;;BP神經(jīng)網(wǎng)絡(luò)在靜態(tài)汽車衡軸自動識別中的應(yīng)用[A];稱重科技——第十屆稱重技術(shù)研討會論文集[C];2011年

7 胡陽;王吉芳;徐小力;;基于SOM網(wǎng)絡(luò)的煙氣輪機狀態(tài)監(jiān)測診斷專家系統(tǒng)應(yīng)用研究[A];第八屆全國設(shè)備與維修工程學(xué)術(shù)會議、第十三屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2008年

8 喬文生;陳興輝;艾士娟;胡北;趙恒;;基于小波包和BP神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷[A];第八屆全國設(shè)備與維修工程學(xué)術(shù)會議、第十三屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2008年

9 趙雪松;方敏;;基于神經(jīng)網(wǎng)絡(luò)的混粉脈沖電化學(xué)拋光工藝參數(shù)選擇研究[A];第13屆全國特種加工學(xué)術(shù)會議論文集[C];2009年

10 付義祥;劉世凱;歐湘萍;曹光榮;;神經(jīng)網(wǎng)絡(luò)(RBF)在巖體邊坡穩(wěn)定性研究[A];全國巖土與工程學(xué)術(shù)大會論文集（上冊）[C];2003年

相關(guān)博士學(xué)位論文 前10條

1 汪木蘭;神經(jīng)網(wǎng)絡(luò)硬化實現(xiàn)的共性技術(shù)在電力傳動中應(yīng)用研究[D];合肥工業(yè)大學(xué);2010年

2 鄭皎;生活垃圾流化床氣化特性的實驗研究與模型預(yù)測[D];浙江大學(xué);2009年

3 劉煥龍;飼料的吸濕解吸平衡規(guī)律和顆粒飼料冷卻的模型擬合[D];江南大學(xué);2010年

4 靳濤;火電機組反向建模方法的研究[D];華北電力大學(xué)（北京）;2011年

5 蔣賢海;智能遠程健康監(jiān)護系統(tǒng)生理參數(shù)數(shù)據(jù)分析及預(yù)報的研究[D];華南理工大學(xué);2011年

6 金長江;基于近紅外光譜與機器視覺技術(shù)的漿果品質(zhì)檢測研究[D];東北農(nóng)業(yè)大學(xué);2011年

7 萬毅;黃河梯級水庫水電沙一體化調(diào)度研究[D];天津大學(xué);2008年

8 溫明;基于中藥專利組合的專利內(nèi)生價值評定研究[D];天津大學(xué);2010年

9 王磊;土地利用變化的多尺度模擬研究[D];北京大學(xué);2011年

10 葉青;人工智能方法在估價領(lǐng)域的研究與應(yīng)用[D];華僑大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 喬小琴;基于灰理論的土石壩安全監(jiān)控綜合評價模型研究[D];鄭州大學(xué);2010年

2 劉業(yè)明;潛艇位姿控制系統(tǒng)智能故障診斷技術(shù)研究[D];哈爾濱工程大學(xué);2010年

3 洪磊;群優(yōu)化BP網(wǎng)在交通事故預(yù)測中的應(yīng)用研究[D];大連理工大學(xué);2010年

4 楊克強;LVQ神經(jīng)網(wǎng)絡(luò)在齒輪箱故障診斷中的研究[D];安徽農(nóng)業(yè)大學(xué);2010年

5 張艷;基于模糊神經(jīng)網(wǎng)絡(luò)的集中供熱負荷預(yù)測[D];遼寧工程技術(shù)大學(xué);2009年

6 袁銓強;商業(yè)銀行經(jīng)營風(fēng)險預(yù)警系統(tǒng)研究[D];遼寧工程技術(shù)大學(xué);2010年

7 崔曉如;高填方路基沉降變形分析與預(yù)測及其控制標(biāo)準(zhǔn)研究[D];長沙理工大學(xué);2010年

8 史海燕;高速公路汽車追尾機理分析及仿真研究[D];長沙理工大學(xué);2010年

9 薛婷婷;塔式起重機狀態(tài)監(jiān)測與故障診斷方法研究[D];沈陽理工大學(xué);2010年

10 古麗;大口徑三通管件成形工藝與計算機模擬[D];天津理工大學(xué);2010年

，

本文編號：1586461