基于云平台的任务性能采集和分类方法

• 作者: 张晓 柳春懿 芦尚奇 覃源淞
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 性能采集 多KD树 虚拟机配置 应用分类 云平台
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 先进计算
• 页码范围: 1665-1669
• 页数: 5页
• 分类号: TP393.027
• 字数: 5677字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017102790

摘要

由于用户在实际使用云平台时,很难确定云平台的云主机类型,所以造成了云平台资源利用率低下的问题.许多典型的解决资源利用率低下的方法,都是从云提供商的角度优化放置算法,而用户选择将限制资源利用率增加;也有一些方法采用云平台下的任务性能短时间采集并预测,但会降低任务分类的准确性.为了达到提高云平台资源利用率、简化用户操作的目的,首先提出一种多属性的任务性能采集工具Lbenchmark,全面采集任务的性能特征,和Ganglia相比负载降低了50％以上.然后,利用该性能数据,提出一种基于权值可配的多KD树-K最近邻(KNN)应用性能分类算法,挑选适合参数建立多个基于KD树的KNN分类器,通过交叉验证方法调整每个属性在不同分类器的权重,进行选举分类.实验结果表明,所提算法与传统的KNN相比,计算量明显提高了约10倍以上,而准确性平均提高约10％.该算法可利用数据特征映射将资源建议提供给用户和云提供商,进而提高云平台整体的利用率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓	西北工业大学计算机学院	57	310	10.0	12.0
2	柳春懿	西北工业大学计算机学院	4	27	3.0	4.0
3	覃源淞	西北工业大学计算机学院	1	1	1.0	1.0
4	芦尚奇	西北工业大学计算机学院	1	1	1.0	1.0