基于改进多元非线性回归模型的云计算负载预测

邢运智

（西安市第一中学，陕西西安，710000）

0 引言

近年来，随着信息和通信技术的快速发展，计算模式已经发生了重大变革[1]。“数据为王”的时代，谁掌握了数据，谁就掌握着消费者的动向，掌握着行业发展的脉络。很多企业在发展的过程中，对于数据的处理要求越来越高，仅仅依靠自己企业的服务器已经很难满足需求。在此情况下，云计算这一平台脱颖而出，其已成为继互联网、计算机之后的又一个关键技术，甚至将引领未来的信息技术产业变革。云计算发展至今已有10多年的时间，在此期间取得了飞速的发展，带来了商业模式和工作模式的巨变；同时也暴露出一些不足，如在提供资源利用率的情况下如何保证服务质量，对于用户的请求能否及时做出响应等问题[2]，这些都将影响云计算的未来发展。针对此类问题，很多学者结合工作负载预测进行研究，形成一系列研究成果，其中赵莉提出基于支持向量机的负载预测模型，采用混合遗传算法和粒子群算法来选择参数[3]。谭乾提出了使用遗传算法来代替传统的BP算法训练网络参数建立模型[4]。郭正红等人提出一种基于权重调整的预测模型，其增加了多个非线性项，用于体现模型之间的联系对预测结果的影响。

本文在云计算的背景下，针对用户负载预测问题进行了研究。以国内最大的云计算提供商—阿里云的用户负载数据为研究对象，针对一年来的用户请求数据进行分析预测，建立了从线性到非线性的回归模型，逐步优化模型、优化预测结果，最终探究出了云计算用户请求负载的一般规律。……