基于回归树与K-最近邻交互模型的存储设备性能预测

• 作者: 刘贵全 张磊 郭昌辉
• 来源期刊: 南京大学学报：自然科学版
• 学科: 工学
• 关键词: 回归模型 回归树 K-最近邻 特征权重 存储设备性能预测
• 年，卷（期）: 2012,（2）
• 页码范围: 123-132
• 分类号: TP333
• 语种: 中文

摘要

存储设备性能预测在存储系统的自动化管理以及规划任务中发挥重要的作用．传统的方法是利用分析模型、仿真模型来预测存储设备性能，但这类方法需要大量领域专家知识，也无法适应越来越高端、复杂的存储系统；利用机器学习的方法构建存储设备的预测模型不需要了解存储设备的内部结构和调度算法，但缺陷是预测精度不够高．本文提出一种基于回归树与K-最近邻这两种具备潜在优劣互补特性的交互模型来预测存储设备性能，以获取更高的预测精度．通过实验表明，该混合模型较单一模型（回归树或KNN）有更好的稳定性和预测精度．此外，在工作负载特征化的设计上，考虑到一个非常重要的特征——缓存效应，该特征能够显著提高模型的预测精度．