【技术实现步骤摘要】
本专利技术涉及计算机系统与网络领域，具体涉及了一种用于云工作负载预测的生成对抗性方法。
技术介绍
1、在计算机技术以及计算机运算能力飞速发展的背景下，工业上所需的计算需求不断增加，随之而来的是互联网任务请求连接数的剧增。然而，许多企业和单位所拥有的计算资源和基础服务设施难以支撑起日益激增的计算需求。与此同时，若不断增加硬件设备以满足日益增长的计算需求，会加大资源浪费和经济负担。云计算技术充分利用虚拟化机制，让用户随时随地按需访问云数据中心的计算资源和基础设施，从而降低企业和单位硬件维护成本。但是，随着云数据中心的长期运行，云服务的负载信息通常会表现出高波动性的特征。而且为了满足云服务的高可靠性需求，云数据中心需要预置大量冗余的计算资源，这可能会导致高能耗问题。
2、因此，大量的研究人员提出一系列弹性伸缩方法，以提升云计算系统的资源利用率。目前弹性伸缩方法主要分为两类：(1)被动式响应策略，通过实时监测工作负载的变化情况来对云计算资源进行动态调整。但是，该方法在检测到负载信息发生变化后才进行资源调整，这可能无法及时在工作负载更...
【技术保护点】
1.一种用于云工作负载预测的生成对抗性方法，其特征在于：包含以下步骤：
2.如权利要求1所述的用于云工作负载预测的生成对抗性方法，其特征在于：所述步骤3中，负载判别模块主要由四个全连接层组成。
3.如权利要求1所述的用于云工作负载预测的生成对抗性方法，其特征在于：所述步骤4中使用训练集中的样本序列对模型进行训练具体包括：首先对于负载生成模块，将样本序列同时输入多头注意层和卷积神经网络层中，分别得到所生成的全局周期信息和局部波动信息；其次将所得到的周期信息和波动信息进行加和作为模型下一阶段的负载信息；之后将所生成的负载信息和真实的标签序列同时输入...
【技术特征摘要】
1.一种用于云工作负载预测的生成对抗性方法，其特征在于：包含以下步骤：
2.如权利要求1所述的用于云工作负载预测的生成对抗性方法，其特征在于：所述步骤3中，负载判别模块主要由四个全连接层组成。
3.如权利要求1所述的用于云工作负载预测的生成对抗性方法，其特征在于：所述步骤4中使用训练集中的样本序列对模型进行训练具体包括：首先对于负载生成模块，将样本序列同时输入多头注意层和卷积神经网络层中，分别得到所生成的全局周期信息和局部波动信息；其次将所得到的周期信息和波动信息进行加和作为模型下一阶段的负载信息；之后将所生成的负载信息和真实的标签序列同时输入负载判别模块；最后根据生成负载信息和标签序列分别计算生成器损失函数和判别器损失函数，并利用梯度下降法对模型参数进行反向传播更新，直到达到预设迭代次数或损失函数最小化收敛时为止，将负载生成模块最后一次生成的负载信息作为最终结果。
4.如权利要求3所述的用于云工作负载预测的生成对抗性方法，其特征在于：所述步骤4中用测试集中的样本序列对模型进行测试具体包括：首先将样本序列输入负载生成模块得到下一阶段的负载信息，之后将所生成的负载与真实的标签负载同时输入负载判别模块，最后使用平均绝对值损失作为评价指标。
5.如权利要求1所述的用于云工作负载预测的生成对抗性方法，其特征在于：具体包括下述步骤：
...【专利技术属性】
技术研发人员：王雷，
申请(专利权)人：中电信量子信息科技集团有限公司，
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。