一种基于深度学习的云平台弹性伸缩算法

• 作者: 曹宇 杨军
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 弹性伸缩 工作负载预测 容器云 长短期记忆网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 17-24
• 页数: 8页
• 分类号: TP391
• 字数: 6241字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.04.004

摘要

为了满足性能要求,降低资源消耗,研究人员提出了许多伸缩调度的算法和方案.但是,它们中的大多数只作用在服务器或应用程序的当前状态,无论是资源实际的调度效果还是算法方案的适用性上都受到了影响和限制.本文提出一种基于长短期记忆网络和BP神经网络的面向应用的弹性伸缩算法.该算法包括工作负载预测模型、响应时间预测模型和资源调整策略模型,能够对云计算应用的工作负载和响应时间进行预测并给出合适的资源调度策略.为了提高工作负载预测的准确度,本文将卷积运算和长短期网络结合起来,更好地提取数据特征并进行准确地预测.而为了提高模型收敛速度,并有效避免模型过拟合的问题,本文则在BP神经网络中使用批标准化运算.在验证实验中,该算法工作负载预测的平均绝对百分误差降低到3.4×10-4,响应时间预测和调度策略模型也达到了不错的效果.在实际平台运行中,该弹性伸缩算法还能够根据Docker容器云平台实际需要提供合适的计算资源调度策略.实验结果表明,相比较其他模型,该弹性伸缩算法在工作负载预测和云平台计算资源调整方面具有较好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨军	华北计算技术研究所基础四部	7	8	2.0	2.0
2	曹宇	华北计算技术研究所基础四部	1	0	0.0	0.0