三支决策视角下的云平台负载预测研究

杨 阳，姜春茂，李志聪

(哈尔滨师范大学 计算机科与信息工程学院，哈尔滨 150025)

1 引 言

在云计算技术迅速发展的大背景下，云平台已然成为各大企业和运营服务提供商的战略性平台，它提供了一个高度可扩展和按需处理的服务.然而，由于大量的用户动态的访问云环境，云服务提供商需要及时分配资源，这使得静态的分配物理资源存在诸多问题.根据负载需求进行云资源分配时，存在按照过多分配会导致资源利用率降低，过少分配会导致违反SLA协议的现象[1].因此，云计算中的负载预测是资源管理优化的重要组成部分，能预测到未来一段时间的资源使用情况，可以有效地管理资源，实现资源利用最大化.预测技术由来已久，随着云计算的快速发展，如何进行虚拟资源的有效管理成为一个关键问题，将预测技术融入到云资源管理中势在必行，引起了众多专家学者对此进行研究，也涌现出诸多研究成果.Calheiros Rn等人提出一个基于自回归移动平均模型(ARIMA)的云负载预测模型[2]，该模型是广泛使用的一种时间序列预测模型，但它不能有效地捕获时间序列数据中的非线性模式.Gupta S利用深层双向BLSTM神经网络对云资源使用情况进行预测，它能够学习长期依赖，记住长时间段的信息，被明确用来解决长期负载预测问题[3].Sheng D提出一种基于贝叶斯模型的预测方法来预测长期时间区间内以及未来连续时间区间内的平均负载，但它仅仅能预测平均负……