APP下载

面向应用性能管理系统的运行负载预测

2018-11-28

计算机测量与控制 2018年11期
关键词:记忆模型

(四川幼儿师范高等专科学校,四川 江油 621700)

0 引言

在云计算环境下,弹性计算[1]能力使用户按需使用计算资源成为了可能。按需分配计算资源可以有效提高计算资源的使用效率,降低用户的使用成本。然而,应用的计算需求是处于不断变化之中的,当低估应用未来的系统负载时,会因为计算能力欠缺无法保证可靠服务,乃至因为系统负载过大而造成宕机事故[2];当高估未来系统负载时,申请过多的计算资源往往会造成计算资源的浪费,增加企业运行成本[3]。准确预测出应用在未来一段时间内的系统负载成为弹性计算的重要一环。

时序数据[4]是应用运行过程中常见的数据形式,应用在单位时间内的执行指令数、网络连接数磁盘读写数、内存占用率、数据读写量等是常见时序数据,针对具体应用还可能会有在线用户数、单位时间内交易数等指标。这些时序数据描述了应用在运行过程中的负载波动情况。不同应用的负载波动规律往往不是不同的,通过收集并分析应用运行时的负载时序数据可以挖掘出应用负载的波动变化规律并以此预测应用未来的负载情况。

时序预测方法有多种,比如自回归移动平均 (autoregressive integrated moving average, ARIMA)[5]、多元线性回归(multiple linear regression, MLR)[6]和BP神经网络(back propagation neural network, BPNN)[7]。其中平稳自回归模型在应用时需要针对具体时间序列分析其平稳性,并根据差分后平稳性结论给出模型参数,在应用时需要太多人工介入,可用性差。多元线性回归模型可以挖掘出多元时序间的线性关系,无法挖掘非线性关系,拟合误差很大。……

登录APP查看全文

猜你喜欢

记忆模型
一半模型
夏天的记忆
重尾非线性自回归模型自加权M-估计的渐近分布
记忆中的他们
3D打印中的模型分割与打包
端午记忆
儿时的记忆(四)
儿时的记忆(四)
记忆翻新
FLUKA几何模型到CAD几何模型转换方法初步研究