基于LSTM的媒体网站用户流量预测与负载均衡方法

摘要：

媒体网站的用户流量呈现平稳性、周期性、不规则变动等特征,对用户流量的有效预测有助于管理者设计更合理的负载均衡(Load Balance)策略.鉴于传统预测技术难以对蕴含在不同时间跨度中的知识进行融合,论文提出了一种基于深度学习技术"长短期记忆网络(LSTM)"的用户流量预测及负载均衡方法.该方法将网站的各类运营数据作为影响流量的特征,从而挖掘流量与其特征间的关联知识.根据未来时间窗口的流量预测结果,进行服务器资源预留,以实现较好的负载均衡效果.实验表明,相对于传统方法,论文方法的请求响应时间均值更低.

关键词：用户流量预测、长短期记忆网络、负载均衡

所属期刊栏目：9

分类号：TP393(计算技术、计算机技术)

资助基金：北京市科学技术研究院萌芽项目"深度学习技术在情报检索用户群体行为分析中的应用研究"的阶段性研究成果GS201804

在线出版日期：2019-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：61-66