云平台任务资源使用状态预测分析研究

作者：邓莉; 任雨林; 朱金灿; 何亨; 李超^*

来源：小型微型计算机系统, 2020, 41(02): 381-386.

• 特征提取
• 任务资源使用率
• 改进的随机森林回归模型
• 性能评价函数

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.

• 单位
  湖北大学; 智能信息处理与实时工业系统湖北省重点实验室; 武汉科技大学