發(fā)布時間：2017-06-06 05:20

  本文關鍵詞：基于神經網絡的虛擬機能耗預測模型研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,由于互聯網的蓬勃發(fā)展,數據中心規(guī)模有了迅速提升,其數量越來越多,并且單個數據中心的規(guī)模也越來越大。隨著云計算技術的普及和成熟,絕大多數的數據中心開始逐漸采用云計算的服務方式對外提供云服務,從而成為了云服務提供商�，F在對外提供云服務的數據中心每天都消耗著大量的能源,能源消耗成本已經成了云服務提供商不可忽視的問題。因此,如何節(jié)約能源和降低能耗成為云服務提供商亟待解決的關鍵問題。在基礎設施即服務(IaaS)的云服務模式下,準確的預測虛擬機(VM)的能耗,對不同物理機(PM)之間進行虛擬機調度的調度策略和遷移合并策略的制定具有重要意義,同時可以降低能源消耗,有益于環(huán)境保護；而且有利于制定合理的定價策略,進一步吸引用戶。 本文研究了多虛擬機環(huán)境中物理機負載對虛擬機能耗的影響。針對考慮物理機負載影響的虛擬機功耗預測問題,本文提出了使用單個RBF人工神經網絡的預測模型來解決此問題。當前還沒有使用神經網絡來解決這一問題的研究。在RBF人工神經網絡模型中,首先選擇合適的虛擬機運行狀態(tài)參數并進行歸一化,歸一化結果作為RBF神經網絡模型的輸入；然后,使用采集的歷史虛擬機功耗和狀態(tài)參數數據,訓練RBF人工神經網絡模型,獲得該RBF神經網絡模型；最后,用得到的RBF神經網絡模型在多虛擬機環(huán)境下,對單個虛擬機進行預測。實驗結果表明,本文提出的RBF神經網絡模型能夠有效的預測虛擬機能耗,其平均預測精度誤差為2%,小于作為對比的多元線性回歸、分段線性回歸等模型的預測誤差。
【關鍵詞】：云計算 虛擬機 神經網絡 能耗預測
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP183;TP302
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-19
• 1.1 研究背景和意義9-13
• 1.1.1 研究背景9-11
• 1.1.2 研究意義11-13
• 1.2 國內外虛擬機功耗預測問題研究現狀13-15
• 1.2.1 物理服務器功耗預測現狀13-14
• 1.2.2 虛擬機功耗預測現狀14-15
• 1.3 論文內容15-16
• 1.4 論文創(chuàng)新點和結構16-19
• 1.4.1 論文主要創(chuàng)新點16-17
• 1.4.2 論文結構17-19
• 第二章 考慮物理機負載的虛擬機能耗預測問題19-25
• 2.1 能耗預測問題模型19-20
• 2.2 物理機負載與虛擬機功耗的非線性關系20-22
• 2.3 虛擬機功耗預測系統22-24
• 2.3.1 虛擬機運行狀態(tài)采集子系統22-23
• 2.3.2 虛擬機功耗訓練預測子系統23-24
• 2.4 本章小結24-25
• 第三章 虛擬機功耗預測常用模型方法概述25-31
• 3.1 多元線性回歸模型25-26
• 3.2 混合高斯模型26-27
• 3.3 分段多元線性回歸模型27-28
• 3.4 支持向量回歸(SVR)模型28-29
• 3.5 二維表查找方法29-30
• 3.6 本章小結30-31
• 第四章 神經網絡模型概述31-49
• 4.1 人工神經網絡的優(yōu)點31-32
• 4.2 人工神經元模型32-34
• 4.3 人工神經網絡的激活函數34-36
• 4.4 多層前饋型人工神經網絡36-37
• 4.5 神經網絡學習過程37-39
• 4.5.1 有教師學習37-38
• 4.5.2 無教師學習38-39
• 4.6 常用人工神經網絡39-47
• 4.6.1 反向傳播(BP)神經網絡39-43
• 4.6.2 徑向基函數(RBF)神經網絡43-47
• 4.7 本章小結47-49
• 第五章 基于RBF神經網絡的虛擬機能耗預測模型49-59
• 5.1 RBF神經網絡模型結構49-50
• 5.2 RBF神經網絡輸入參數50-54
• 5.2.1 輸入參數獲取和工具介紹50-53
• 5.2.2 相關性分析53-54
• 5.3 參數的測量與歸一化方法54-55
• 5.4 RBF神經網絡訓練學習55-56
• 5.5 模型預測56-57
• 5.6 本章小結57-59
• 第六章 實驗結果及分析59-67
• 6.1 實驗環(huán)境59
• 6.2 對比模型和方法59-60
• 6.3 評價指標60
• 6.4 實驗結果數據與分析60-66
• 6.5 本章小結66-67
• 第七章 總結與展望67-69
• 參考文獻69-73
• 致謝73-75
• 作者攻讀學位期間發(fā)表的學術論文目錄75

【參考文獻】

中國期刊全文數據庫 前1條

1 吳德本;姚健;鄧志武;;云計算綜述[J];有線電視技術;2012年03期

  本文關鍵詞：基于神經網絡的虛擬機能耗預測模型研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：425495