【技术实现步骤摘要】
基于GA
‑
GRU模型的云服务器老化预测方法
[0001]本专利技术属于时间序列预测
,具体涉及一种基于门控循环单元(gated recurrent unit,GRU)神经网络与遗传算法(Genetic Algorithm,GA)的模型预测云服务器老化的方法。
技术介绍
[0002]当今计算机技术和互联网的飞速发展,很多中小型互联网服务商由于没有足够的技术实力或者为了节省资金和方便服务器运维,通常都会采取云服务器的解决方案,这导致了云计算技术和云服务器商业的飞速发展。众所周知,稳定、长期运行、高扩展性和频繁的资源交换是云服务器的特点,所以这也导致了云服务器性能出现问题,即云服务器系统在长期运行过程中,随着故障和资源消耗累积,云服务器系统就会出现缓慢的性能下降,故障率也会增加,甚至导致云服务器的崩溃,造成服务中断,这种现象称为“软件老化”。软件老化的主要原因包括操作系统的资源消耗,误差的日益积累以及系统数据损坏。
[0003]在采用云服务器的互联网服务商中,例如有电信公司、金融证券公司、互联网商业公司、国防军事服务等。由于云服务器软件复杂性的快速提高,云服务器承受的服务压力也越来越大,云服务器系统的错误因素经常集中在软件方面,其中最重要的问题就是软件老化现象,许多高可用性和可靠性的应用软件也都存在软件老化现象。
[0004]目前IT业界面对云服务器软件老化的主要技术手段是软件再生技术。软件再生技术是一种主动性的纠错技术,现在已经成为了解决软件老化的主要技术手段。1995年AT&a ...
【技术保护点】
【技术特征摘要】
1.基于GA
‑
GRU模型预测云服务器老化的方法,其特征在于,包括以下步骤:步骤1,对云服务器系统的资源和性能数据进行收集;步骤2,获取云服务器的系统资源和性能序列数据,获取的资源和性能序列数据有:CPU空闲率、可用内存、平均负载和响应时间;步骤3,预处理步骤2获取的序列数据;步骤4,使用步骤3预处理后得到的数据构建GRU模型,并获得GRU模型对步骤3所得数据的预测值;步骤5,利用GA对步骤4得到的GRU模型进行参数优化,得到GA
‑
GRU模型;步骤6,使用步骤5得到的GA
‑
GRU模型预测步骤3得到的数据,并与步骤4得到的预测值对比,可得GA优化超参数后预测精度更高;步骤7,利用GA
‑
GRU模型的预测值和现有的序列数据对未来数据进行预测。2.根据权利要求1所述的基于GA
‑
GRU模型预测云服务器老化的方法,其特征在于,所述步骤3中,通过对原始的序列数据进行归一化的方法进行预处理,将原始序列数据映射到[0,1]。3.根据权利要求1所述的基于GA
‑
GRU模型预测云服务器老化的方法,其特征在于,所述步骤3的具体步骤是:步骤3.1,将序列数据的最小值最小值记为X
min
,最大值记为X
max
;步骤3.2,使用序列数据减去X
min
;步骤3.3,使用步骤3.2得到的序列数据除以最大值减最小值即X
max
‑
X
min
。4.根据权利要求1所述的基于GA
‑
GRU模型预测云服务器老化的方法中,其特征在于,所述步骤4中构建GRU模型具体方法是:构建5个功能模块,包括输入层、隐藏层、输出层、网络训练以及网络预测;输入层负责对原始响应时间序列进行归一化和划分数据集处理,以满足网络输入要求,隐藏层采用GRU细胞搭建单层网...
【专利技术属性】
技术研发人员:孟海宁,周荣,李维,冯锴,童新宇,朱磊,黑新宏,
申请(专利权)人:西安理工大学,
类型:发明
国别省市:
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。