一种基于SVR和高斯函数的云服务器老化预测方法技术

本发明专利技术公开了一种基于SVR和高斯函数的云服务器老化预测方法，收集云服务器的资源和性能数据；获取云服务器资源和性能序列数据；取得的序列数据进行预处理，基于长度为l的滑动窗口对序列数据进行特征提取，特征评估和特征融合；基于SVR拟合处理后得到的特征数据，获取SVs，用高斯函数拟合获得的SVs；得到的高斯函数对云服务器未来的性能变化趋势进行预测，并计算云服务器的剩余寿命；本发明专利技术的方法使预测模型能实时的，准确的，对未来较长一段时间内的云服务器老化状态进行预测，并预估剩余可用寿命。寿命。寿命。

【技术实现步骤摘要】
一种基于SVR和高斯函数的云服务器老化预测方法


[0001]本专利技术属于复杂系统可用寿命的预测方法
，具体涉及一种基于SVR和高斯函数的云服务器老化预测方法。

技术介绍

[0002]随着云计算的发展，云服务器的越来越普遍。云服务器具有长期运行、高复杂性和资源交换频繁的特点，这就增加了资源耗尽和软件系统出现异常和故障的风险。随着故障和资源消耗的累计，云服务器系统会出现缓慢的性能下降，故障率增加甚至崩溃。这种现象被称为“软件老化”。软件老化是一个受到许多因素影响的复杂过程，如软件出现异常、资源利用，工作负载等。云服务器系统出现软件老化现象是一个普遍的现象。例如，随着云服务系统的长期运行，系统性能逐步下降，服务器响应时间逐渐变长。当服务器响应时间高于某个阈值时，云服务器系统进入未服务状态，也称为“伪故障”。企业系统(尤其是云平台)中老化导致的意外中断可能导致可观的收入损失。一项调查显示，IT停机时间平均每年可达14小时，导致损失265亿美金。因此，对云服务器系统资源和性能数据进行预测是应对软件老化现象的关键。
[0003]一种有效且常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SVR和高斯函数的云服务器老化预测方法，其特征在于，具体按以下步骤实施：步骤1，收集云服务器的资源和性能数据；步骤2，获取云服务器资源和性能序列数据；步骤3，将经步骤2取得的序列数据进行预处理；步骤4，基于长度为l的滑动窗口对序列数据进行特征提取，特征评估和特征融合；步骤5，基于SVR拟合步骤4处理后得到的特征数据，获取SVs；步骤6，用高斯函数拟合步骤5中获得的SVs；步骤7，基于步骤6得到的高斯函数对云服务器未来的性能变化趋势进行预测，并计算云服务器的剩余寿命。2.根据权利要求1所述的一种基于SVR和高斯函数的云服务器老化预测方法，其特征在于，所述步骤2中云服务器资源和性能序列数据包括CPU空闲率、可用内存、平均负载和响应时间。3.根据权利要求1所述的一种基于SVR和高斯函数的云服务器老化预测方法，其特征在于，所述步骤3中序列数据预处理具体为采用归一化处理方法，将云服务器原始数据映射到[
‑
1,1]区间。4.根据权利要求3所述的一种基于SVR和高斯函数的云服务器老化预测方法，其特征在于，所述预处理具体按以下步骤实施：步骤3.1，求得序列数据的平均值记为x
mean
,最大值记为x
max
；步骤3.2，使用序列数据减去x
mean
；步骤3.3，使用步骤3.2得到的序列数据除以最大值x
max
。5.根据权利要求1所述的一种基于SVR和高斯函数的云服务器老化预测方法，其特征在于，所述步骤4具体按以下步骤实施：步骤4.1，使用长度为l的滑动窗口对序列数据进行分割操作；步骤4.2，基于步骤4.1的分割结果，计算序列数据的特征序列，并根据特征数据单调度算法计算各特征序列的的单调度，选取单调度大于单调阈值σ＝0.1的特征序列为特征集合；步骤4.3，基于步骤4.2的特征选取结果，使用PCA进行特征融合。6.根据权利要求1所述的一种基于SVR和高斯函数的云服务器老化预测方法，其特征在于，所述步骤5具体按以下步骤实施：步骤5.1，设给定的训练样本w,b为待确定的模型参数，SVR模型如式(1)所示：f(x)＝w
T
x+b
ꢀꢀꢀꢀ
(1)步骤5.2，设偏差阈值为ε，正则化常数为C，即当且仅当f(x)与y偏差的绝对值大于ε时计算损失，因此SVR回归问题可形式化为式(2)：
步骤5.3，引入松弛变量ξ
i
,式(2)可重写为：步骤5.4，引入拉格朗日乘子μ
i
,α
i
,由拉格朗日乘子...

【专利技术属性】
技术研发人员：孟海宁，童新宇，周荣，朱磊，冯锴，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：