一种资源与服务性能关系的建模方法

摘要：

获取资源与服务性能的关系模型是在云环境中为服务合理分配虚拟资源的关键.然而,训练数据的规模往往显著影响这种非线性关系模型的准确率.针对现有方法不足,提出了将协同过滤推荐(CFR)和支持向量回归(SVR)相结合的服务性能动态建模方法(CSDM).该方法在服务部署与运行时同时训练两种模型,并选择二者中MAE占优的性能模型预测给定资源状态下的服务性能,从而保证预测精度.同时,CSDM引入择优阈值以降低模型训练代价.实验表明,CSDM在不同规模的训练数据上均有较高的预测准确率,且择优阈值对预测精度和建模效率具有显著影响.

关键词：云服务、性能模型、资源状态、协同过滤推荐、支持向量回归

所属期刊栏目：36

分类号：TP311.5(计算技术、计算机技术)

资助基金：宁夏回族自治区自然科学基金资助项目NZ13265;中央高校基本科研业务费专项资金资助项目N120804001,N120604003;沈阳市科技基金资助项目F12-277-1-80;国家科技支撑计划项目2014BAI17B00

在线出版日期：2015-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：773-776