【技术实现步骤摘要】
云计算中的资源预测与调度方法
本专利技术涉及计算机
，具体涉及一种云计算中的资源预测与调度方法。
技术介绍
IaaS模式云训练中，根据虚拟机节点资源需求为其合理分配资源，既保证了虚拟机的性能，又能提升资源利用效率。由于虚拟机实例的初始化需要一定准备时间，无法即时生效，因此仅仅依靠对虚拟机任务负载和资源性能的监控对虚拟机资源进行调度，难以保证虚拟机节点的性能。因此，有必要进行精确有效的资源需求预测，在此基础上再进行资源的调度，实现用户需求与资源之间的优化调度与匹配。
技术实现思路
鉴于上述技术问题，为了克服上述现有技术的不足，本专利技术提出了一种云计算中的资源预测与调度方法。本专利技术一方面提供一种云计算中的资源预测与调度方法，包括以下步骤：S10：根据资源需求历史数据对至少一个虚拟机进行下一时刻的资源需求预测；S20：根据资源需求的预测值，对服务器上配置给所述虚拟机的资源进行动态调度。在一些实施例中，步骤S10包括以下步骤：S101：采用数据预处理模型对所述虚拟机进行资源需求预测获得...
【技术保护点】
1.一种云计算中的资源预测与调度方法，其特征在于，包括以下步骤：/nS10：根据资源需求历史数据对至少一个虚拟机进行下一时刻的资源需求预测；/nS20：根据资源需求预测值，对服务器上配置给所述虚拟机的资源进行动态调度。/n
【技术特征摘要】
1.一种云计算中的资源预测与调度方法，其特征在于，包括以下步骤：
S10：根据资源需求历史数据对至少一个虚拟机进行下一时刻的资源需求预测；
S20：根据资源需求预测值，对服务器上配置给所述虚拟机的资源进行动态调度。
2.根据权利要求1所述的资源预测与调度方法，其特征在于，步骤S10包括以下步骤：
S101：采用数据预处理模型对所述虚拟机进行资源需求预测获得第1预测值；
S102：采用深度学习网络模型对所述虚拟机进行资源需求预测获得第2预测值；
S103：对各第1预测值和第2预测值进行权重处理后叠加，获得综合预测值。
3.根据权利要求2所述的资源预测与调度方法，其特征在于，所述数据预处理模型为xt+1＝ωR(t，L)+(1-ω)xt，其中，xt+1为t+1时刻的预测值，L为滑窗长度，R(t，L)为[t-(L-1)，t]之间历史数据的移动平均值，ω为赋权系数，且ω＝2/(L+1)。
4.根据权利要求2所述的资源预测与调度方法，其特征在于，所述深度学习网络模型包括多层BP神经网...
【专利技术属性】
技术研发人员：陈志佳，孟宪国，朱元昌，邸彦强，冯少冲，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：江苏;32
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。