基于时序卷积网络的云服务器性能预测模型

• 作者: 庞雄文 廖恩红 李加伟 舒娜
• 来源期刊: 华南师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 云数据中心 深度学习 时序卷积网络 性能预测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机科学与软件工程
• 页码范围: 107-113
• 页数: 7页
• 分类号: TP183
• 字数: 5268字
• 语种: 中文
• DOI: 10.6054/j.jscnun.2020068

摘要

目前基于深度学习的主机性能预测模型大部分缺乏普适性,实验数据缺乏公正性,无法准确预测能耗或性能峰值点且时间开销较大.为解决这些问题,文章提出了一种基于改进时序卷积网络的云服务器性能预测模型(ATCN模型).该模型将CPU利用率作为主机过载的衡量标准,利用多维性能指标构建N+1维能耗向量,建立输入向量与预测标准之间的关系;调整TCN中的卷积核大小并不断增大扩张因子,实现长期记忆效果.基于阿里云开源数据集的实验结果表明:ATCN模型具有强自适应性,在不同硬件配置和资源使用情况下,预测准确率和效率方面比LSTM模型提升大约20％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	庞雄文	华南师范大学计算机学院	13	37	4.0	5.0
2	廖恩红	广东工程职业技术学院信息工程学院	12	7	1.0	1.0
3	舒娜	华南师范大学计算机学院	2	6	1.0	2.0
4	李加伟	华南师范大学计算机学院	1	0	0.0	0.0