预测任务的资源使用状况是提高云平台资源使用率的重要手段之一.然而云计算平台资源使用的动态性、不确定性和突变性使得预测效果有限.为了提高云平台任务的资源使用率预测性能,本文做了如下工作:1)详细地分析了当前主流云平台的资源使用情况,提炼了云平台任务的资源使用特征;2)根据云平台的特点设计了适合任务的资源使用预测性能评价函数PEFOT(Performance Evaluation Function fOr Tasks,PEFOT);3)设计并实现了一种云平台任务的资源使用率预测方法 REPOTASK(REsource Prediction method fOr TASKs,REPO-TASK).使用Google云平台数据集进行了实验,结果表明,相对于目前已经提出的任务资源使用率预测模型BP和LSTM,REPO-TASK方法具有更好的预测性能,PEFOT值平均下降了3. 2591.
云计算为用户提供了高灵活性,并给云提供商提供了简便灵活的资源管理方式。然而,大多数云设施的资源利用率非常低,给云提供商带来了较高的运行成本和巨大的能耗。预测主机和任务的资源使用状况已成为提高云平台资源利用率的重要手段之一。然而云计算平台资源使用的动态性、不确定性和突变性使得预测效果有限。如何提高云平台任务和主机的资源使用率预测性能是云平台资源有效管理亟待解决的问题。为解决上述问题,本文做了如下工作:(1)详细地分析了当前主流云平台的资源使用情况,并提取了云平台任务和主机的资源使用特征。(2)根据云平台任务的特点设计了适合任务的资源使用预测性能评价函数PEFOT(Performance Evaluation Function fOr Tasks,PEFOT)。(3)设计并实现了一种云平台任务的资源利用率预测方法REPO-TASK(REsource Prediction method fOr TASKs,REPO-TASK),而且使用Google云平台数据集进行了相关实验。结果表明,相对于目前已经提出的任务资源利用率预测模型,REPO-TASK方法具有更好的预测性能,PEFOT值平均降低了3.112%。(4)根据云平台主机的特点设计了适合主机的资源使用预测性能评价函数PEFOH(Performance Evaluation Function fOr Hosts,PEFOH)。(5)联合使用上采样和下采样的方法改进云平台主机资源使用级别严重不平衡问题。(6)设计并实现了一种云平台主机的处理器和内存利用率级别的预测方法REPO-HOST(REsource Prediction Method fOr HOSTs),使用Google云平台数据集进行了实验。结果表明,相对于已经提出的主机资源利用率级别预测模型,REPO-HOST方法的PEFOH值平均提高了17.5%。
暂无评论