本文關鍵詞：云計算環(huán)境下計算型任務的資源需求預測

  更多相關文章： 云計算市場模型 資源需求預測 任務分類 多維資源需求 動態(tài)資源需求

【摘要】：在過去的近十年中,云計算憑借其部署簡單,可靠性高,伸縮性好和通用性廣等優(yōu)點逐漸被普羅大眾所接受,進而成為新時代人們工作、學習和生活中一個不可或缺的角色。各大IT巨頭企業(yè)也都紛紛聚焦云計算,從不同層面,結合自身業(yè)務特點,推出各式各樣的資源服務,如亞馬遜公司的EC2服務和谷歌公司的GAE服務等。用戶使用云計算服務提供商的資源服務,并按使用量,參考一定的價格標準,付出相應的費用。然而,目前的云計算資源交付模式要求用戶在使用資源之前需要明確資源類型和用量。這對一般用戶,尤其是非IT專業(yè)的用戶而言,無疑是個難題。若資源租用量不足,則可能犧牲用戶的服務性能。若資源租用量過多,雖然可以保障用戶的服務性能,但可能為用戶帶來額外的開支。另一方面,從服務提供商的角度出發(fā),其合理有效安排任務調度和資源分發(fā)策略的一個重要前提是大致了解任務的資源需求。因此,預測云計算環(huán)境下任務的資源需求,在保障用戶服務質量的前提下,最小化資源供給,減少用戶開銷,為服務提供商實施任務調度和資源分發(fā)提供參考意見,是一個亟待解決,并且具有實際應用價值的問題。本文在全面、深入地研究了現(xiàn)有云計算資源需求預測相關成果之后,以能夠保障用戶服務質量的云計算資源需求預測為目標,針對計算型任務,在資源交易市場模型、任務分類、多維資源需求預測以及動態(tài)資源需求預測四個方面開展了研究工作：首先,對云計算環(huán)境下資源交易市場進行建模分析,抽象出該市場模型下資源需求預測問題的場景。根據(jù)不同場景將資源需求預測領域的相關研究工作進行分類總結,并分析出其主流研究趨勢和已有工作的不足之處,提出未來該領域研究的新思路。本文選取云計算環(huán)境中二級市場模型下計算型任務對個體計算資源需求的預測這一具體場景進行研究,并用形式化語言定義了該場景下的資源需求預測問題。其次,設計了一種基于資源消耗模式的輕量級任務分類方法Bejo,以提高云中計算型任務資源需求預測的準確率。該方法通過研究任務執(zhí)行過程中周期性收集到的資源消耗快照,挖掘其潛在模式,使用改良的詞袋分類技術對云中計算型任務進行分類。Bejo的分類準確率高達84.21%,比傳統(tǒng)最優(yōu)的算法高了7%。另外,與傳統(tǒng)算法相比,Bejo無論從預測時間還是魯棒性上都有明顯的優(yōu)勢。接著,提出了一種基于性能約束的多維資源需求預測方法。與傳統(tǒng)方法不同的是,該方法考慮了不同資源需求之間的相互制約性。同時,該方法力求得到能夠滿足用戶服務質量需求的最小資源供給量。在該方法中,我們使用二分查找和一個基于密度的性能預測算法來預測任務的多維度資源需求。與傳統(tǒng)資源需求預測方法相比,該方法將預測結果的平均準確率提高了28%。最后,研究科學計算型任務的動態(tài)資源需求預測問題�？茖W計算型任務執(zhí)行時間長,資源需求動態(tài)變化等特點使得已有的相關研究不再適用。因此,我們提出了一種基于時間序列的動態(tài)資源需求預測算法,結合回歸和時間序列分析技術,對任務執(zhí)行的不同時刻的資源需求進行預測。該方法預測結果的準確度高達74%,并且預測時間開銷小,具有良好的應用價值。另外,本文提出了一種集成資源需求預測模塊的資源管理系統(tǒng)框架,可以將上述研究集成在一起,提供自動化資源預測,分配和調度管理服務。本文的研究成果將為后續(xù)的資源分配和任務調度等研究工作奠定基礎。
【關鍵詞】：云計算市場模型 資源需求預測 任務分類 多維資源需求 動態(tài)資源需求
【學位授予單位】：中國科學技術大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP393.01
【目錄】：

• 摘要5-7
• ABSTRACT7-16
• 主要符號對照表16-17
• 第一章 緒論17-29
• 1.1 論文研究背景17-22
• 1.1.1 云計算的發(fā)展歷程17-18
• 1.1.2 云計算的技術模型18-20
• 1.1.3 云計算服務的市場模型20-21
• 1.1.4 云計算的商業(yè)模式21-22
• 1.2 研究問題與面臨的挑戰(zhàn)22-24
• 1.2.1 研究問題22-23
• 1.2.2 面臨的挑戰(zhàn)23-24
• 1.3 論文主要研究工作24-27
• 1.3.1 研究內容24-26
• 1.3.2 論文組織結構26-27
• 1.4 本章小結27-29
• 第二章 云計算環(huán)境下資源需求預測研究綜述與問題建模29-51
• 2.1 引言29-30
• 2.2 云計算服務的通用市場模型30-31
• 2.3 云計算服務場景建模31-36
• 2.3.1 對象32-35
• 2.3.2 對象間的關系35-36
• 2.4 云計算環(huán)境下資源需求預測方法概述36-44
• 2.4.1 面臨的挑戰(zhàn)36-37
• 2.4.2 基于應用場景的分類方法37-41
• 2.4.3 小結41-42
• 2.4.4 云計算環(huán)境下任務資源需求預測問題的新思路42-44
• 2.5 云計算環(huán)境下計算型任務資源需求預測問題的建模及應用44-49
• 2.5.1 傳統(tǒng)的資源管理系統(tǒng)44-45
• 2.5.2 二級市場下計算型任務資源需求預測問題建模45-46
• 2.5.3 資源預測問題建模46-47
• 2.5.4 集成資源需求預測的資源管理系統(tǒng)47-49
• 2.6 本章小結49-51
• 第三章 云計算環(huán)境下計算型任務分類方法研究51-69
• 3.1 引言51-53
• 3.2 任務分類相關研究工作53-54
• 3.3 Bejo：基于資源消耗行為模式的計算型任務分類54-61
• 3.3.1 任務分類問題及其挑戰(zhàn)54-55
• 3.3.2 任務分類問題描述55-56
• 3.3.3 特征定維方法56-58
• 3.3.4 基于BoW的任務分類方法58-60
• 3.3.5 算法復雜度分析60
• 3.3.6 應用場景60-61
• 3.4 實驗與分析61-67
• 3.4.1 數(shù)據(jù)集選取61-62
• 3.4.2 對比算法與評價標準62-63
• 3.4.3 實驗細節(jié)63
• 3.4.4 定量分析63-66
• 3.4.5 任務分類在資源預測中的應用66-67
• 3.5 本章小結67-69
• 第四章 基于性能約束的多維資源需求預測方法研究69-95
• 4.1 引言69-71
• 4.2 相關研究71-73
• 4.2.1 性能預測方法相關研究71-72
• 4.2.2 資源需求預測方法相關研究72-73
• 4.3 多維資源需求預測問題描述73-74
• 4.4 基于密度的性能預測算法74-77
• 4.4.1 算法設計74-76
• 4.4.2 相關討論76-77
• 4.5 啟發(fā)式資源需求預測算法77-80
• 4.5.1 算法設計78
• 4.5.2 相關討論78-80
• 4.6 實驗與分析80-94
• 4.6.1 數(shù)據(jù)集選取80-81
• 4.6.2 對比算法與評價標準81-82
• 4.6.3 基于密度的性能預測算法評估82-91
• 4.6.4 啟發(fā)式資源需求預測算法評估91-93
• 4.6.5 進一步討論93-94
• 4.7 本章小結94-95
• 第五章 基于時間序列的動態(tài)資源需求預測方法研究95-111
• 5.1 引言95-96
• 5.2 時間序列分析96-100
• 5.3 動態(tài)資源需求預測問題的形式化描述100-101
• 5.4 動態(tài)資源需求預測算法101-104
• 5.4.1 算法設計101-104
• 5.5 實驗與分析104-109
• 5.5.1 數(shù)據(jù)集選取105
• 5.5.2 評價標準105-106
• 5.5.3 實驗分析106-109
• 5.6 本章小結109-111
• 第六章 總結與展望111-115
• 6.1 主要工作總結111-113
• 6.2 未來工作展望113-115
• 參考文獻115-123
• 致謝123-125
• 在讀期間發(fā)表的學術論文與取得的研究成果125-126

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 姚建中;出版物需求預測的風險分析[J];出版發(fā)行研究;2001年08期

2 王琦;;未來衛(wèi)星需求預測[J];衛(wèi)星電視與寬帶多媒體;2006年14期

3 岳云;21世紀初世界移動電話需求預測[J];電信快報;1998年01期

4 月升;2000年世界記錄介質的需求預測[J];磁記錄材料;1999年04期

5 岳云;1999～2003年全球移動電話需求預測[J];世界電信;1999年06期

6 趙方庚;孫江生;張連武;馬振書;;基于系統(tǒng)的武器備件需求預測研究[J];計算機仿真;2011年03期

7 侯廣德;;(省、市)計委高校畢業(yè)生分配與需求預測系統(tǒng)[J];應用科技;1989年02期

8 陳思;1996年記錄介質產品世界需求預測[J];磁記錄材料;1996年02期

9 邊際;2001年世界記錄介質的需求預測[J];信息記錄材料;2001年01期

10 李樹廣;趙彥峻;徐誠;;隨機服務系統(tǒng)在裝備需求預測與決策建模中的應用[J];兵工自動化;2011年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 宋國青;;從總需求預測的角度看利率[A];2013年秋季CMRC中國經(jīng)濟觀察（總第35期）[C];2013年

2 馬樹德;;卷煙訂單需求預測的特點及模型構建[A];上海市煙草專賣局2007年度獲獎論文集（經(jīng)濟管理類）[C];2007年

3 張淼;;北京市能源需求預測及發(fā)展對策研究[A];北京市第十五次統(tǒng)計科學討論會獲獎論文集[C];2009年

4 高月芳;梁永生;唐飛;歐志偉;湛邵斌;;基于神經(jīng)網(wǎng)絡和VBA的零售業(yè)需求預測系統(tǒng)[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

5 聶銳;張炎治;呂濤;;江蘇省能源需求預測及平衡方案設計[A];2006年江蘇省哲學社會科學界學術大會論文集（上）[C];2006年

6 王帥;湯鈴;余樂安;;基于Wavelet/EMD-LSSVR的分解集成預測模型及其在牛奶消費需求預測中的應用[A];第五屆（2010）中國管理學年會——管理科學與工程分會場論文集[C];2010年

7 張舵;高文杰;李小玲;;石家莊市區(qū)公共自行車租賃點布局研究[A];2014（第九屆）城市發(fā)展與規(guī)劃大會論文集—S04綠色交通、公交優(yōu)先與綜合交通體系[C];2014年

8 王紅;;2020年我國教育經(jīng)費投入強度需求預測及政策建議[A];中國夢：道路·精神·力量——上海市社會科學界第十一屆學術年會文集（2013年度）[C];2013年

9 路言峰;;新模型在卷煙需求預測中的探索及應用[A];上海市煙草專賣局2009年度獲獎論文集(經(jīng)濟管理類)[C];2009年

10 張哲榮;戴文禮;陳建智;;以潛在信息函數(shù)為基礎之殘差離散灰模型預測短期需求[A];第25屆全國灰色系統(tǒng)會議論文集[C];2014年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 梁小民;需求預測的運用與困難[N];中國經(jīng)濟時報;2004年

2 蔡綺芝 DigiTimes;康寧上調2006～2008年玻璃面板需求預測[N];電子資訊時報;2007年

3 本報記者 高蕾;明年鋼鐵需求預測[N];中國煤炭報;2012年

4 福建龍海市局(分公司) 林文通;遵循科學方法 保證預測質量[N];東方煙草報;2013年

5 朱成章;六大因素影響能源需求預測[N];華中電力報;2004年

6 商報記者 王萬利 師興;2013年國內汽車需求預測達2080萬輛[N];北京商報;2013年

7 上海豐寶電子副總經(jīng)理 劉海東;做好市場和需求預測關鍵在于有效溝通[N];中國電子報;2008年

8 全國農業(yè)技術推廣服務中心;2007年農藥藥械需求預測[N];農民日報;2006年

9 許慶欣;如何進行產品需求預測[N];廠長經(jīng)理日報;2000年

10 ;十類新型建材未來需求預測[N];陜西科技報;2007年

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 徐琳;云計算環(huán)境下計算型任務的資源需求預測[D];中國科學技術大學;2015年

2 詹蓉;面向即時顧客化定制的個性化需求預測方法研究[D];華中科技大學;2008年

3 張志清;面向不確定需求的供應鏈協(xié)同需求預測研究[D];哈爾濱工業(yè)大學;2010年

4 演克武;基于需求預測的機型指派和評價研究[D];南京航空航天大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 祝新春;基于模糊理論的國內旅游需求預測研究[D];湖南工業(yè)大學;2015年

2 陳湘芝;基于需求預測的庫存管理技術與系統(tǒng)研發(fā)[D];哈爾濱工業(yè)大學;2015年

3 強春發(fā);應對自然災害應急糧食需求預測研究[D];南京財經(jīng)大學;2015年

4 靳紹悅;基于城市軌道交通的停車換乘需求預測[D];大連交通大學;2015年

5 林恬;物料需求計劃系統(tǒng)中需求預測模塊的開發(fā)[D];吉林大學;2008年

6 溫曉敏;T公司需求預測和生產計劃研究[D];華南理工大學;2009年

7 王e，

本文編號：686114