【摘要】：隨著近年來容器技術(shù)的不斷發(fā)展,繼IaaS、PaaS、SaaS之后,在云計算領(lǐng)域又出現(xiàn)了容器即服務(wù)(Container as a Service,CaaS)的運作模式。CaaS不僅更細化了資源劃分的粒度,同時還進一步擴大了云計算的規(guī)模,但這也導(dǎo)致了云數(shù)據(jù)中心的能耗問題日益嚴(yán)重。容器負(fù)載與其產(chǎn)生的能耗之間有著密切聯(lián)系,因此可以根據(jù)容器的負(fù)載狀態(tài)來進行資源的動態(tài)配置和調(diào)度,從而優(yōu)化系統(tǒng)的整體能耗。但由于云環(huán)境中容器負(fù)載狀態(tài)變化頻繁,從監(jiān)控軟件獲得的負(fù)載值可能存在很大的滯后性,因此需要借助數(shù)學(xué)模型來預(yù)測容器的負(fù)載狀態(tài)。除此之外,由于容器規(guī)模大,調(diào)度過程不僅涉及到容器本身還涉及到虛擬機,因此CaaS模式下的節(jié)能調(diào)度問題會更加復(fù)雜。綜上,如何準(zhǔn)確預(yù)測容器負(fù)載并能依據(jù)預(yù)測結(jié)果對容器進行有效資源配置和調(diào)度是當(dāng)下亟待解決的問題。在這樣的研究背景下,本文所做的主要工作有:(1)本文調(diào)研了在負(fù)載預(yù)測領(lǐng)域廣泛使用的單值預(yù)測模型,并分析指出此類模型存在誤差敏感、魯棒性差等缺點,不利于資源配置和調(diào)度決策。為此,本文在傳統(tǒng)區(qū)間預(yù)測模型的基礎(chǔ)上,提出了一種基于趨勢感知的區(qū)間預(yù)測模型(簡稱SAC-GPSO-SVM)。該模型通過頻譜特征和自相關(guān)系數(shù)分析來對不同趨勢的負(fù)載進行分類(SAC),并結(jié)合SVM方法進行針對性的預(yù)測。為了提升預(yù)測效果,模型還引入了帶梯度信息的粒子群算法(GPSO)來優(yōu)化SVM中的超參數(shù)。在公開數(shù)據(jù)集上的實驗結(jié)果表明,SAC-GPSOSVM能在提升預(yù)測區(qū)間對真值覆蓋率的同時有效窄化區(qū)間寬度。(2)為保證服務(wù)質(zhì)量且有效降低云數(shù)據(jù)中心能耗,本文提出了基于動態(tài)伸縮的容器調(diào)度策略(簡稱DSCS)。該策略首先會根據(jù)容器伸縮規(guī)則以及SAC-GPSO-SVM模型對容器負(fù)載的預(yù)測結(jié)果,有針對性地增加或減少容器副本,盡可能以最小容器數(shù)量保證服務(wù)正常運行。接著,通過策略中基于負(fù)載相關(guān)性分析的容器選擇算法(MCor-ML)和主機選擇算法(CorHS),來有效地放置新增容器,并以最小代價實現(xiàn)過載/欠載主機上容器的遷移/合并過程。最后,策略會根據(jù)系統(tǒng)狀態(tài),銷毀沒有容器運行的虛擬機并使閑置主機進入休眠,從而減少資源浪費、降低能耗。在擴展了容器仿真功能的CloudSim平臺上的實驗結(jié)果表明:與其他策略相比,在保證云服務(wù)質(zhì)量的同時(SLA違反率小于5%),DSCS能達到更優(yōu)的節(jié)能效果(節(jié)能效果提升7.41%)。
【圖文】：

第三章 容器負(fù)載預(yù)測模型研究表 3-2 選中容器的日期、類型、編號和簡寫標(biāo)記日期 類型 編號 簡寫20110306 平穩(wěn)型 planetlab1_cs_purdue_edu_purdue_2 sm.120110412 趨勢型 planet1_scs_cs_nyu_edu_uw_oneswarm tr.120110403 周期型 planetlab2-santiago_lan_redclara_net_ethzcs_tracegatherer pe.1三份容器負(fù)載數(shù)據(jù)都是每 5 分鐘記錄一次這段時間內(nèi)容器負(fù)載的平均值，總共記錄了一日 287 個數(shù)據(jù)點（24 小時=287*5 分鐘）的數(shù)據(jù)，如圖 3-5 所示，從左至右，sm.1，tr.1，，pe.1 分別代表平穩(wěn)型、趨勢型、周期型的容器負(fù)載數(shù)據(jù)。圖中，縱坐標(biāo)皆為負(fù)載值（單位：%），橫坐標(biāo)皆為時間（單位：5min）。

36（c）周期型負(fù)載（pe.1）預(yù)測結(jié)果 3-6 SAC-GPSO-SVM 模型對三類容器負(fù)載（sm.1，tr.1，pe.1）的預(yù)測 3-6 可以看出，對于三種類型的容器負(fù)載，本文提出的 SAC-GPSO-S預(yù)測域能夠覆蓋測試集中大部分負(fù)載真值，同時也保證了區(qū)間保留真，使預(yù)測的上下界之間的寬度維持在一個較小的范圍內(nèi)。雖然，從圖中也不難發(fā)現(xiàn)，預(yù)測域的上/下界沒有將部分突出的峰值或者谷值覆蓋致部分時刻 SLA 降級或是資源浪費，但由于這些突發(fā)情況出現(xiàn)和持在實際的云計算資源動態(tài)調(diào)整的場景中，是可以被忽略的。對于頻繁 3-6（c）中記錄點 20~80 這一區(qū)域所示，周期型負(fù)載會在一個值附近速波動，對此，本文提出的 SAC-GPSO-SVM 模型也能獲得較好的預(yù)型能通過增大區(qū)間寬度的方式（記錄點 20~40，區(qū)間寬度增大），有效
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP302

【相似文獻】

相關(guān)期刊論文 前10條

1 凌云;王建東;;淺析4~#高爐的爐缸侵蝕預(yù)測模型[J];南鋼科技與管理;2007年03期

2 谷鴻秋;王俊峰;章仲恒;周支瑞;;臨床預(yù)測模型:模型的建立[J];中國循證心血管醫(yī)學(xué)雜志;2019年01期

3 周媛;葉燁;王新彥;周宏根;王筱蓉;;零轉(zhuǎn)彎半徑割草機連續(xù)翻滾特性參數(shù)化預(yù)測模型[J];農(nóng)機化研究;2018年01期

4 劉洪太;郭云霞;;基于情景數(shù)據(jù)的火災(zāi)預(yù)測模型設(shè)計與實現(xiàn)[J];科技創(chuàng)新與應(yīng)用;2018年26期

5 王偉卿;;灰色預(yù)測模型在預(yù)測話音網(wǎng)關(guān)故障中的研究與應(yīng)用[J];計算機測量與控制;2016年11期

6 韓文倩;;灰色預(yù)測模型在山東省保費預(yù)測中的應(yīng)用[J];保險職業(yè)學(xué)院學(xué)報;2017年01期

7 楊萌;;基于灰色預(yù)測模型的山西省批發(fā)零售業(yè)人員需求分析[J];數(shù)學(xué)的實踐與認(rèn)識;2017年04期

8 崔劍;巴合提努爾·巴贊;李書欽;;燒結(jié)過程SO_2排放預(yù)測模型研究[J];資源節(jié)約與環(huán)保;2017年08期

9 張春濤;關(guān)文忠;劉學(xué)飛;;混沌時間序列的2階預(yù)測模型[J];數(shù)學(xué)的實踐與認(rèn)識;2016年05期

10 夏靜;;建設(shè)項目環(huán)境影響評價預(yù)測模型發(fā)展現(xiàn)狀[J];綠色科技;2016年08期

相關(guān)會議論文 前10條

1 匡啟帆;李益洲;李夢龍;;對于藥物不良反應(yīng)預(yù)測模型的系統(tǒng)研究[A];中國化學(xué)會第29屆學(xué)術(shù)年會摘要集——第19分會：化學(xué)信息學(xué)與化學(xué)計量學(xué)[C];2014年

2 肖健華;吳今培;;基于支持向量機的預(yù)測模型及應(yīng)用[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

3 王坤龍;;天津地區(qū)霧霾的成因及預(yù)測模型建立的研究[A];科學(xué)發(fā)展·協(xié)同創(chuàng)新·共筑夢想——天津市社會科學(xué)界第十屆學(xué)術(shù)年會優(yōu)秀論文集（中）[C];2014年

4 郭慶春;;基于人工神經(jīng)網(wǎng)絡(luò)的空氣污染指數(shù)預(yù)測模型[A];Proceedings of Conference on Environmental Pollution and Public Health（CEPPH 2012）[C];2012年

5 王亮;劉豹;徐德民;;預(yù)測模型的選擇及其智能化實現(xiàn)[A];科學(xué)決策與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第六次年會論文集[C];1990年

6 羅榮桂;黃敏鎂;;基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的服務(wù)業(yè)發(fā)展預(yù)測模型[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;;事故預(yù)測模型的建立與應(yīng)用[A];安全責(zé)任與素養(yǎng)提升的實踐研究——2017安全科學(xué)與工程技術(shù)研討會論文集[C];2017年

8 李陽旭;鄧輝文;;一種新的企業(yè)市場預(yù)測模型及其比較研究[A];2004年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2004年

9 張曉f^;;全球煤炭產(chǎn)量的灰色預(yù)測模型[A];中國現(xiàn)場統(tǒng)計研究會第十三屆學(xué)術(shù)年會論文集[C];2007年

10 曾練平;燕良軾;;大學(xué)師范生可就業(yè)能力預(yù)測模型的建構(gòu)[A];增強心理學(xué)服務(wù)社會的意識和功能——中國心理學(xué)會成立90周年紀(jì)念大會暨第十四屆全國心理學(xué)學(xué)術(shù)會議論文摘要集[C];2011年

相關(guān)重要報紙文章 前10條

1 記者 黃辛;上海交通大學(xué) 提出基于信號通路的肝癌風(fēng)險預(yù)測模型[N];中國科學(xué)報;2019年

2 記者 康民;全球首個流感預(yù)測模型落戶重慶[N];中國保險報;2017年

3 北京大學(xué)腫瘤醫(yī)院 劉晨;篩查食管癌有了風(fēng)險預(yù)測模型[N];健康報;2017年

4 特約記者 劉京濤;華東化工銷售員工設(shè)計價格預(yù)測模型見成效[N];中國石油報;2010年

5 本報記者 張超;預(yù)測模型：推算SARS起落潮[N];科技日報;2003年

6 劉慶;“預(yù)測模型”要緩行[N];網(wǎng)絡(luò)世界;2006年

7 記者 華凌;顆粒物成云新理論有助改進預(yù)測模型[N];科技日報;2015年

8 四川農(nóng)業(yè)大學(xué) 王立志 賈剛 王康寧;飼料有效磷的評定及預(yù)測模型的“雛形”[N];中國畜牧獸醫(yī)報;2006年

9 張琳 趙偉;巧用Excel構(gòu)建利潤預(yù)測模型[N];財會信報;2007年

10 中興通訊 曾志 楊毅;建立移動用戶流失分析預(yù)測模型[N];通信產(chǎn)業(yè)報;2014年

相關(guān)博士學(xué)位論文 前10條

1 楊居衡;多相體系蠟析出計算模型研究[D];中國石油大學(xué)(北京);2018年

2 高山硯;妊娠期糖尿病危險因素研究與預(yù)測模型構(gòu)建[D];中國醫(yī)科大學(xué);2019年

3 李金金;天津市慢性病隊列研究及風(fēng)險預(yù)測模型的建立[D];天津醫(yī)科大學(xué);2018年

4 陳玲;孕期及產(chǎn)后壓力性尿失禁風(fēng)險預(yù)測模型的構(gòu)建、驗證及應(yīng)用[D];南方醫(yī)科大學(xué);2018年

5 云科;MSM人群HIV感染風(fēng)險預(yù)測模型的建立及應(yīng)用[D];中國醫(yī)科大學(xué);2018年

6 林開陽;急診經(jīng)皮冠狀動脈介入術(shù)后對比劑腎病的危險因素分析及風(fēng)險預(yù)測模型構(gòu)建[D];南方醫(yī)科大學(xué);2018年

7 支元杰;大氣環(huán)境下小樣本金屬材料腐蝕的數(shù)據(jù)驅(qū)動預(yù)測模型[D];北京科技大學(xué);2019年

8 冉祥棟;基于深度學(xué)習(xí)的交通時間預(yù)測模型與方法研究[D];北京科技大學(xué);2019年

9 胡姍姍;藥物互作數(shù)據(jù)的挖掘與預(yù)測研究[D];安徽大學(xué);2019年

10 沈思鵬;基于生存結(jié)局的多組學(xué)預(yù)測模型統(tǒng)計學(xué)方法研究與應(yīng)用[D];南京醫(yī)科大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 譚續(xù)海;基于大數(shù)據(jù)挖掘川崎病靜脈注射丙種球蛋白不敏感的危險因子及構(gòu)建預(yù)測模型[D];重慶醫(yī)科大學(xué);2019年

2 李宜倫;基于混合預(yù)測的光伏功率預(yù)測方案設(shè)計與研究[D];沈陽工程學(xué)院;2019年

3 鄭強;基于深度學(xué)習(xí)的光伏發(fā)電量預(yù)測模型研究[D];華北電力大學(xué);2019年

4 馬利潔;Spark框架下基于變量預(yù)測模型的變壓器故障的并行化診斷[D];華北電力大學(xué);2019年

5 李薪;基于磁共振成像技術(shù)的大腦老化預(yù)測模型的研究[D];電子科技大學(xué);2019年

6 秦靖柯;基于多源數(shù)據(jù)的礦物浮選過程預(yù)測模型的研究[D];電子科技大學(xué);2019年

7 何宏周;基于深度學(xué)習(xí)的嬰兒姿勢估計算法研究[D];電子科技大學(xué);2019年

8 李幻;基于植株冠層分層孔隙率的霧滴穿透量預(yù)測模型構(gòu)建與試驗研究[D];山東農(nóng)業(yè)大學(xué);2019年

9 吳琪;建立基于生化指標(biāo)的冠心病風(fēng)險預(yù)測模型[D];杭州師范大學(xué);2019年

10 陳嫻;CIN2~+病變風(fēng)險預(yù)測模型構(gòu)建及臨床驗證[D];重慶醫(yī)科大學(xué);2019年

本文編號：2703989