【技术实现步骤摘要】
本专利技术涉及计算机数据处理
，特别涉及一种。
技术介绍
随着计算机网络的迅速发展，各种服务器越来越难以满足用户的需求。负载均衡集群的出现，在一定程度上解决了这个问题。负载均衡算法作为影响负载均衡的三大要素之一，在很大程度上决定了负载均衡集群的性能。但由于当前的算法没有考虑到服务器的当前和将来的负载情况，很难做到真正的负载均衡。在分布式系统中，计算能力并不是独占的，而是被多用户的若干任务所共享，负载随着任务的提交和结束而不断变化，负载的预测会更加复杂。对于系统性能的预测主要集中在主机CPU负载的研究，这在国外开始于上世纪九十年代后期，其中以Peter A.Dinda的研究最为系统。他从不同的机器集群，包括用于生产或研究的服务器组和工作站，收集了大量负载样本，并对这些样本进行细致的分析，提出了基于时间序列预测的预测理论。他建立了主机资源预测系统RPS，并把RPS应用于CMU Remos资源管理系统和BBN QuO分布式秒质量服务系统。另外，Campos根据负载的变化率提出了进行动态负载预测的方法，SmithW.and Wong P.提出利用任务的执行时间和队列等待时间进行负载预测,Wolski提出对分时UNIX系统的CPU利用率预测方法。预测模型设置在预测器中，现在的大部分预测模型都不具备适应性，这意味着一旦开始预测，预测模型就是固定的。然而，如果预测的资源具有时变特性，这些模型将不能够做出精确的预测。也就是说，他们都认为未来CPU负载是与历史数据呈现相同的分布，但在分布式系统中这可能并不成立。另一方面，历史数据可能不足以反映整个CPU负...
【技术保护点】
一种基于集成学习的分布式计算环境性能预测方法，其特征在于，对预测器进行优化和集成，以得到预测结果；对预测器进行优化包括：S11、对每种预测器维持一候选集合，候选集合包含若干预测器，每个预测器对应唯一的一组参数值；S12、从候选集合选择若干预测误差最小的预测器；S13、每隔一定时间执行一次S12，从候选集合中剔除预测误差最大的若干预测器，同时对候选集合进行补充，以保持候选集合内参数值的组合数量不变；对预测器进行集成包括：S21、采用Scoring算法为每个预测器都建立一个分数，每次预测前对预测器上次的预测结果进行评价，根据预测结果的好坏，对分数进行相应的增加或降低，选择分数高于一上限值的预测器作为预测器代表，预测器代表的输出作为最终的预测结果；或者，S22、选择分数最高的若干预测器，对他们赋予不同的权重进行加权平均，每一预测器的权重等于(所选择的分数最高的若干预测器中预测误差最大值‑次预测器的误差值)/(所选择的分数最高的若干预测器中预测误差最大值‑所选择的分数最高的若干预测器中预测误差最小值)；S23、预测结果为其中，L为所选择的分数最高的若干预测器的数量，αi为L个预测器中预测器i的...
【技术特征摘要】
1.一种基于集成学习的分布式计算环境性能预测方法，其特征在于，对预测器进行优化和集成，以得到预测结果； 对预测器进行优化包括: S11、对每种预测器维持一候选集合，候选集合包含若干预测器，每个预测器对应唯一的一组参数值； S12、从候选集合选择若干预测误差最小的预测器； S13、每隔一定时间执行一次S12，从候选集合中剔除预测误差最大的若干预测器，同时对候选集合进行补充，以保持候选集合内参数值的组合数量不变； 对预测器进行集成包括: S21、采用Scoring算法为每个预测器都建立一个分数，每次预测前对预测器上次的预测结果进行评价，根据预测结果的好坏，对分数进行相应的增加或降低，选择分数高于一上限值的预测器作为预测器代表，预测器代表的输出作为最终的预测结果； 或者，S22、选择分数最高的若干预测器，对他们赋予不同的权重进行加权平均，每一预测器的权重等于(所选择的分数最高的若干预测器中预测误差最大值-次预测器的误差值)/ (所选择的分数最高的若干预测器中预测误差最大值-所选择的分数最高的若干预测器中...
【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。