基于横向纵向信息集成的分布式计算环境性能预测方法技术
【技术实现步骤摘要】
本专利技术涉及信息集成、时间序列预测领域，特别涉及一种基于横向纵向算法对分布式环境下服务器性能的预测方法。
技术介绍
在服务器的负载均衡中，需要采集系统中各种资源的相关信息以确定资源是否可用，然后调度算法根据资源的可用性、任务的运行时间等来确定任务的优先级并分配给它们可用的资源。然而随着任务的运行，各种资源的状态，如CPU负载、剩余内存、硬盘剩余空间等会随时发生改变，因此需要对服务器性能的预测来指导服务器的负载均衡与调度算法。对服务器性能预测可以采取时间序列算法，也就是基于历史数据做出预测。该方法的简单步骤:1)按时间序列周期性地采集服务器性能数据；2)基于这些历史数据，建立一个关于服务器性能与时间变量之间的关系模型；3)采用这个模型来计算指定时间所对应的服务器性能值，并把该值作为服务器性能的预测值。使用这种类型的模型，可以对服务器性能进行预测，从而帮助调度程序更好地分配资源、管理任务，提高整个分布式系统的工作效率。对服务器性能采用时间序列的方法来进行预测，可以通过时间序列自回归模型AR模型、滑动平均模型MA模型等进行预测，这些模型主要对一些稳态的数据能够准确的进行预测，但是如果数据不是处于稳态情况，预测结果就不够理想，而且这些模型不能够很好的进行长期预测。以往的研究表明，服务器性能情况存在着周期性。一个服务器性能可以被看作是多个小的、具有不同周期的周期性的叠加效应，如何利用数据的周期性来指导预测，是一个函待解决的问题。
技术实现思路
本专利技术针对现有技术存在的上述不足，提供了对服务器性能进行长期预测的方法。本专利技术通过以下技术方案实现:—种...
【技术保护点】
一种基于横向纵向信息集成的分布式计算环境性能预测方法，其特征在于，包括以下步骤：步骤1：把一个长的时间序列数据切分成多个等长度的子时间序列，各子时间序列的长度为T；步骤2：采用纵向预测算法使用指数型平滑曲线算法进行预测对步骤1所有生成的子时间序列进行预测，计算出周期与周期之间的关联性，得到纵向预测数据并对得到的纵向预测数据进行整合；步骤3：采用横向预测算法通过在时间周期内两个时间点之间的关系对步骤2得到的纵向预测数据进行预测，具体找到周期内的数据的联系，构建关系模型，对寻找的所有时间周期内存在的横向关系存储起来，然后进行周期内预测，加权叠加预测结果，并通过反馈方式调整横向关系，得到最终预测结果。
【技术特征摘要】
1.一种基于横向纵向信息集成的分布式计算环境性能预测方法，其特征在于，包括以下步骤: 步骤1:把一个长的时间序列数据切分成多个等长度的子时间序列，各子时间序列的长度为T; 步骤2:采用纵向预测算法使用指数型平滑曲线算法进行预测对步骤I所有生成的子时间序列进行预测，计算出周期与周期之间的关联性，得到纵向预测数据并对得到的纵向预测数据进行整合； 步骤3:采用横向预测算法通过在时间周期内两个时间点之间的关系对步骤2得到的纵向预测数据进行预测，具体找到周期内的数据的联系，构建关系模型，对寻找的所有时间周期内存在的横向关系存储起来，然后进行周期内预测，加权叠加预测结果，并通过反馈方式调整横向关系，得到最终预测结果。2.根据权利要求1所述的基于横向纵向信息集成的分布式计算环境性能预测方法，其特征在于，步骤I具体为把历史数据按照时间周期T转化为多组子时间序列，其中: 历史数据为:(X1，X2 , X3 ,...，X1J，长度为η ； 每个子时间序列的长度为Τ，切分成η/Τ个子时间序列，第i个子序列Si表示成Ixil，Xi2，Xi3，…，xiT}，则把历史数据切分成〈Si, S2,…，Si,…，SJ,其中L=n/T: 3.根据权利要求2所述的基于横向纵向信息集成的分布式计算环境性能预测方法，其特征在于，步骤2包括以下步骤: 步骤21:使用指数型平滑曲线算...
【专利技术属性】
技术研发人员：曹健，杨定裕，董樑，顾骅，沈琪骏，王烺，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。