云計算系統(tǒng)是一個高度動態(tài)的分布式計算環(huán)境,對系統(tǒng)中的節(jié)點負載進行實時監(jiān)控和預測,是防止集群節(jié)點過熱的主要途徑。不同于傳統(tǒng)方式基于原始信息來進行負載預測,提出了一種帶人工干預的特征融合熱點預測方法。首先,基于稀疏自編碼網(wǎng)絡對不同的性能指標進行特征提取來獲得單性能特征;然后,基于特征融合模型和人工干預模型分別得到融合特征和人工特征;最后,利用上述三種特征來學習和訓練神經(jīng)網(wǎng)絡模型,用于預測熱點。在Google Cluster數(shù)據(jù)集上的實驗表明,該方法能夠顯著地提升云平臺熱點預測的準確性,尤其在進行長時間跨度的熱點預測時,與兩種傳統(tǒng)方法相比有著更明顯的優(yōu)勢。 

【文章來源】：計算機應用研究. 2020,37(S1)北大核心CSCD

【文章頁數(shù)】：3 頁


本文編號：3114400