面向应用性能管理系统的运行负载预测

摘要：

在应用性能管理系统中,系统未来的负载情况对运维调度有重要的指导意义;在云计算环境下,弹性伸缩计算能力为调整系统规模提供了可能,根据系统将来的负载情况可以提前做出相应的调整:可以在负载加重前扩展好集群,保证服务质量;在负载降低之后若预测一定时间内没有负载加重的情况,则可以及时缩减集群规模,降低企业运营成本;在金融领域,ARIMA模型是常用的时序预测模型,但其应用需要人工介入分析时序的平稳性,调参过程过于复杂;近年来神经网络技术的发展带动了人工更智能技术的发展,文章设计并测试了ANN、RNN、GRU、LSTM等神经网络的负载预测的效果;实验结果表明LSTM网络预测精准且表现稳定,是系统负载预测的理想模型.

关键词：应用负载、负载预测、神经网络、时间序列预测

所属期刊栏目：26

分类号：TP183(自动化基础理论)

在线出版日期：2018-12-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：208-212