一种基于周期性特征的数据中心在线负载资源预测方法

• 作者: 丁毅 曾绍康 梁岩德 梁毅
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 数据中心 在线负载 周期性 资源预测
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 高性能计算
• 页码范围: 381-390
• 页数: 10页
• 分类号: TP391
• 字数: 7447字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.03.001

摘要

以Web服务、流式计算为代表的在线负载是数据中心的主要负载之一.在线负载请求到达的波动性驱动其资源需求的动态变化.因此,快速、准确的在线负载资源预测是数据中心合理分配资源、保障负载执行效率的关键.然而,既有在线负载资源预测方法或无法进行长期准确的预测,或依赖于海量样本数据并具有较大的时间开销.为此,提出了一种基于请求周期性特征的在线负载资源预测方法PRP.PRP面向在线负载请求的周期性特征,采用自相关函数识别负载资源使用的变化周期;基于变化周期进行资源使用样本序列分割及资源使用子序列分类;最终基于分类子序列采用线性加权方法预测在线负载的资源需求.实验结果表明,PRP在预测准确度和时间开销方面有较大的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁毅	北京工业大学信息学部	25	56	5.0	6.0
2	曾绍康	北京工业大学信息学部	1	0	0.0	0.0
3	梁岩德	北京工业大学信息学部	1	0	0.0	0.0
4	丁毅	北京工业大学信息学部	1	0	0.0	0.0