邓 莉,任雨林,朱金灿,何 亨,李 超

1(武汉科技大学 计算机科学与技术学院,武汉 430065)2(智能信息处理与实时工业系统湖北省重点实验室,武汉 430065)3(湖北大学 信息化建设与管理处,武汉 430062)

1 引 言

近年来,云平台因其廉价可扩展的计算资源、稳定高容量的存储空间和随时随地可灵活访问等优势受到广泛地使用.

虽然云平台提供的按需付费方式新颖便捷,能有效地提高工作效率.但是最新的研究[1,2]表明,大多数云设施和商业集群的资源使用率很低,比如:Twitter云平台千台服务器在一个月内的总CPU使用率始终低于20%,然而预留的资源却达到了总资源的80%[3];Google云平台CPU平均使用率在10%～45%之间波动[4].为了提高云平台的资源使用率,一些研究人员改进了云数据中心的调度算法[5],通过建立基于历史数据的预测模型和现有调度模型的组合[6],预测了云数据中心任务未来的资源使用率,结果表明,云平台任务的资源使用预测可以优化任务的资源分配方式,降低数据中心成本,是提高云平台性能和效率的一种有效方法[7,8].

2 相关工作

对云平台任务的资源使用情况的预测展开分析研究,需要大量的相关资源使用数据集,但是由于商业数据的机密性以及公司策略等原因,真实的云平台资源使用数据集较难获得.因此现有的大部分相关研究都是基于仿真数据[9]而展开的,最终的实验结果缺乏说服性.还有些学者针对长时间运行的服务[10]或者高性能计算负载[11]也展开过相关……