目前基于深度學(xué)習(xí)的主機(jī)性能預(yù)測模型大部分缺乏普適性,實(shí)驗(yàn)數(shù)據(jù)缺乏公正性,無法準(zhǔn)確預(yù)測能耗或性能峰值點(diǎn)且時(shí)間開銷較大.為解決這些問題,文章提出了一種基于改進(jìn)時(shí)序卷積網(wǎng)絡(luò)的云服務(wù)器性能預(yù)測模型（ATCN模型）.該模型將CPU利用率作為主機(jī)過載的衡量標(biāo)準(zhǔn),利用多維性能指標(biāo)構(gòu)建N+1維能耗向量,建立輸入向量與預(yù)測標(biāo)準(zhǔn)之間的關(guān)系;調(diào)整TCN中的卷積核大小并不斷增大擴(kuò)張因子,實(shí)現(xiàn)長期記憶效果.基于阿里云開源數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明:ATCN模型具有強(qiáng)自適應(yīng)性,在不同硬件配置和資源使用情況下,預(yù)測準(zhǔn)確率和效率方面比LSTM模型提升大約20%. 

【文章來源】：華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,52(04)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

ATCN網(wǎng)絡(luò)架構(gòu)圖

對(duì)給定輸入{x1,x2，…，xT-1,xT}，T時(shí)刻的預(yù)測值^yT可以提取到很久以前的輸入序列信息，這是因?yàn)楫?dāng)擴(kuò)張因子不斷膨脹，感受野所覆蓋的感受范圍也越來越廣(圖2):當(dāng)d=1時(shí)，卷積核感受野相當(dāng)于普通卷積;當(dāng)d=2時(shí)，卷積核感受野等于25;當(dāng)d=3，卷積核感受野等于36.ATCN網(wǎng)絡(luò)架構(gòu)構(gòu)建的具體步驟如下:

卷積過程圖

【參考文獻(xiàn)】：
期刊論文
[1]云數(shù)據(jù)中心虛擬資源管理研究綜述[J]. 錢瓊芬,李春林,張小慶,李臘元.  計(jì)算機(jī)應(yīng)用研究. 2012(07)



本文編號(hào)：3001262