本文選題：負(fù)荷 + 預(yù)測��； 參考：《農(nóng)業(yè)工程學(xué)報》2017年S1期

【摘要】：為了優(yōu)化基礎(chǔ)設(shè)施資源的效率,農(nóng)業(yè)云視頻平臺虛擬機(jī)布局算法需要了解虛擬機(jī)當(dāng)前和未來的資源工作效率,盡可能準(zhǔn)確地預(yù)知下一步工作,如服務(wù)部署,虛擬機(jī)的部署、遷移或停止。然而,通常在預(yù)測中使用的樣本非常小,可用于分析的數(shù)據(jù)有限。因此,該文研究設(shè)計了一個考慮時間因素,基于小數(shù)據(jù)集學(xué)習(xí)的滑動窗口模型。此外,鑒于現(xiàn)有的預(yù)測算法仍然有很大的改進(jìn)誤差率的空間,該文中采用基于滑動窗口與最小二乘法和半監(jiān)督學(xué)習(xí)的數(shù)學(xué)方法相結(jié)合,提出了一種半監(jiān)督偏最小二乘法(semi-supervised partial least squares,SS-PLS)的方法來計算上述預(yù)測。該文中,分析了在虛擬機(jī)使用SS-PLS負(fù)荷預(yù)測的可行性和優(yōu)勢。試驗結(jié)果表明,基于滑動窗口模型結(jié)合SS-PLS,使得預(yù)測精度有了顯著的改善,即均方根誤差為1.777 86,平均絕對誤差是1.331 2,平均絕對誤差百分比為0.238 36,三者的增量分別5.47%、6.37%、6.12%。該研究可為云平臺中虛擬機(jī)資源管理和優(yōu)化提供一種參考方法。
[Abstract]:In order to optimize the efficiency of infrastructure resources, the virtual machine layout algorithm of agricultural cloud video platform needs to know the current and future resource efficiency of virtual machine, and predict the next step as accurately as possible, such as deployment of service, deployment of virtual machine. To move or stop. However, the samples usually used in forecasting are very small and the data available for analysis are limited. Therefore, a sliding window model based on small data set learning is designed in this paper. In addition, since the existing prediction algorithms still have much room for improving the error rate, a mathematical method based on sliding window, least square method and semi-supervised learning is used in this paper. In this paper, a semi-supervised partial least SS-PLS method is proposed to calculate the above prediction. In this paper, the feasibility and advantage of using SS-PLS load forecasting in virtual machine are analyzed. The experimental results show that the prediction accuracy is significantly improved based on the sliding window model combined with SS-PLS.The mean square error is 1.777 86 the mean absolute error is 1.331 2 the average absolute error percentage is 0.238 36 and the increment of the three is 5.476.37 and 6.12 respectively. This research can provide a reference method for virtual machine resource management and optimization in cloud platform.
【作者單位】： 中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院;農(nóng)業(yè)部農(nóng)業(yè)信息獲取技術(shù)重點實驗室;
【基金】：National Spark Program Key Project(2015GA600002)
【分類號】：TP302;S126

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 劉雄飛;王逢瑚;;基于VRML的虛擬室內(nèi)環(huán)境的網(wǎng)絡(luò)架構(gòu)與實現(xiàn)[J];東北林業(yè)大學(xué)學(xué)報;2006年02期

相關(guān)會議論文 前10條

1 孟廣平;;虛擬機(jī)漂移網(wǎng)絡(luò)連接方法探討[A];中國計量協(xié)會冶金分會2011年會論文集[C];2011年

2 段翼真;王曉程;;可信安全虛擬機(jī)平臺的研究[A];第26次全國計算機(jī)安全學(xué)術(shù)交流會論文集[C];2011年

3 李明宇;張倩;呂品;;網(wǎng)絡(luò)流量感知的虛擬機(jī)高可用動態(tài)部署研究[A];2014第二屆中國指揮控制大會論文集（上）[C];2014年

4 林紅;;Java虛擬機(jī)面向數(shù)字媒體的應(yīng)用研究[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國第17屆計算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2006年

5 楊旭;彭一明;刑承杰;李若淼;;基于VMware vSphere 5虛擬機(jī)的備份系統(tǒng)實現(xiàn)[A];中國高等教育學(xué)會教育信息化分會第十二次學(xué)術(shù)年會論文集[C];2014年

6 沈敏虎;查德平;劉百祥;趙澤宇;;虛擬機(jī)網(wǎng)絡(luò)部署與管理研究[A];中國高等教育學(xué)會教育信息化分會第十次學(xué)術(shù)年會論文集[C];2010年

7 李英壯;廖培騰;孫夢;李先毅;;基于云計算的數(shù)據(jù)中心虛擬機(jī)管理平臺的設(shè)計[A];中國高等教育學(xué)會教育信息化分會第十次學(xué)術(shù)年會論文集[C];2010年

8 朱欣焰;蘇科華;毛繼國;龔健雅;;GIS符號虛擬機(jī)及實現(xiàn)方法研究[A];《測繪通報》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

9 于洋;陳曉東;俞承芳;李旦;;基于FPGA平臺的虛擬機(jī)建模與仿真[A];2007'儀表，，自動化及先進(jìn)集成技術(shù)大會論文集（一）[C];2007年

10 丁濤;郝沁汾;張冰;;內(nèi)核虛擬機(jī)調(diào)度策略的研究與分析[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 ;虛擬機(jī)的生與死[N];網(wǎng)絡(luò)世界;2008年

2 本報記者 卜娜;高性能Java虛擬機(jī)將在中國云市場釋能[N];中國計算機(jī)報;2012年

3 本報記者 邱燕娜;如何告別虛擬機(jī)管理煩惱[N];中國計算機(jī)報;2012年

4 ;首批通過云計算產(chǎn)品虛擬機(jī)管理測評名單[N];中國電子報;2014年

5 申琳;虛擬機(jī)泛濫 系統(tǒng)安全怎么辦[N];中國計算機(jī)報;2008年

6 Tom Henderson邋沈建苗 編譯;虛擬機(jī)管理的五大問題[N];計算機(jī)世界;2008年

7 盆盆;真實的虛擬機(jī)[N];中國電腦教育報;2004年

8 本版編輯　綜合 編譯整理 田夢;管理好虛擬機(jī)的全生命周期[N];計算機(jī)世界;2008年

9 李婷;中國研制出全球最快反病毒虛擬機(jī)[N];人民郵電;2009年

10 張弛;虛擬機(jī)遷移走向真正自由[N];網(wǎng)絡(luò)世界;2010年

相關(guān)博士學(xué)位論文 前10條

1 宋翔;多核虛擬環(huán)境的性能及可伸縮性研究[D];復(fù)旦大學(xué);2014年

2 王桂平;云環(huán)境下面向可信的虛擬機(jī)異常檢測關(guān)鍵技術(shù)研究[D];重慶大學(xué);2015年

3 周真;云平臺下運(yùn)行環(huán)境感知的虛擬機(jī)異常檢測策略及算法研究[D];重慶大學(xué);2015年

4 郭芬;面向虛擬機(jī)的云平臺資源部署與調(diào)度研究[D];華南理工大學(xué);2015年

5 周傲;高可靠云服務(wù)供應(yīng)關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2015年

6 代煒琦;云計算執(zhí)行環(huán)境可信構(gòu)建關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2015年

7 劉圣卓;面向虛擬集群的鏡像存儲與傳輸優(yōu)化[D];清華大學(xué);2015年

8 彭成磊;云數(shù)據(jù)中心綠色節(jié)能需求的虛擬機(jī)負(fù)載均衡技術(shù)研究[D];南京大學(xué);2016年

9 趙長名;IaaS云中基于資源感知的虛擬機(jī)資源管埋[D];電子科技大學(xué);2016年

10 許小龍;支持綠色云計算的資源調(diào)度方法及關(guān)鍵技術(shù)研究[D];南京大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 潘飛;負(fù)載相關(guān)的虛擬機(jī)放置策略研究[D];杭州電子科技大學(xué);2011年

2 王建一;混合型桌面云高可用性研究與實現(xiàn)[D];華南理工大學(xué);2015年

3 周衡;云計算環(huán)境下虛擬機(jī)優(yōu)化調(diào)度策略研究[D];河北大學(xué);2015年

4 羅仲皓;基于OpenStack的私有云計算平臺的設(shè)計與實現(xiàn)[D];華南理工大學(xué);2015年

5 李子堂;面向負(fù)載均衡的虛擬機(jī)動態(tài)遷移優(yōu)化研究[D];遼寧大學(xué);2015年

6 張煜;基于OpenStack的“實驗云”平臺的研究與開發(fā)[D];西南交通大學(xué);2015年

7 曾文琦;面向應(yīng)用服務(wù)的云規(guī)模虛似機(jī)性能監(jiān)控與負(fù)載分析技術(shù)研究[D];復(fù)旦大學(xué);2013年

8 施繼成;面向多核處理器的虛擬機(jī)性能優(yōu)化[D];復(fù)旦大學(xué);2014年

9 游井輝;基于虛擬機(jī)動態(tài)遷移的資源調(diào)度策略研究[D];華南理工大學(xué);2015年

10 方良英;云平臺的資源優(yōu)化管理研究與實現(xiàn)[D];南京師范大學(xué);2015年

本文編號：1779606