基于BP神經(jīng)網(wǎng)絡(luò)的云服務(wù)響應(yīng)時(shí)間預(yù)測方法研究.pdf

1、對云環(huán)境下虛擬資源的分配和管理是云服務(wù)提供商需要解決的關(guān)鍵問題，服務(wù)提供商可以根據(jù)與用戶簽定的SLA來優(yōu)化使用基礎(chǔ)設(shè)施以達(dá)到在滿足SLA的前提下最大化資源利用率的目標(biāo)。響應(yīng)時(shí)間是SLA中的一項(xiàng)重要指標(biāo)，實(shí)時(shí)監(jiān)測服務(wù)響應(yīng)時(shí)間是否超出SLA閾值來動態(tài)調(diào)整資源具有滯后性，且可能會造成頻繁的資源調(diào)整。而基于響應(yīng)時(shí)間預(yù)測的資源動態(tài)分配方案在預(yù)測的多個(gè)響應(yīng)時(shí)間值超出SLA閾值時(shí)進(jìn)行資源調(diào)整，可以有效克服基于實(shí)時(shí)監(jiān)測的動態(tài)資源調(diào)整的不足，因此預(yù)測服務(wù)

2、的響應(yīng)時(shí)間對于資源調(diào)整時(shí)機(jī)的選擇具有一定的參考價(jià)值。傳統(tǒng)的基于時(shí)間序列方法的服務(wù)響應(yīng)時(shí)間預(yù)測不考慮動態(tài)伸縮的資源環(huán)境，不適用于云環(huán)境下服務(wù)響應(yīng)時(shí)間的預(yù)測。因此，本文對云服務(wù)響應(yīng)時(shí)間的預(yù)測方法進(jìn)行了研究。
　　文中首先介紹了研究場景并對部署在虛擬機(jī)上的組件特征進(jìn)行了分析，針對這些特征以及已有服務(wù)響應(yīng)時(shí)間預(yù)測方法的不足，提出了云服務(wù)響應(yīng)時(shí)間的預(yù)測方法?？紤]到虛擬機(jī)擴(kuò)展的特殊性，本文對有虛擬機(jī)增加的情況進(jìn)行了重點(diǎn)研究。首先，用灰色馬爾可

3、夫模型對虛擬機(jī)上各組件總的并發(fā)請求數(shù)進(jìn)行了預(yù)測，并根據(jù)虛擬機(jī)性能權(quán)重計(jì)算出了各虛擬機(jī)上分配的并發(fā)請求數(shù)。接著，用相似度計(jì)算模型找到與新增虛擬機(jī)配置最相近的已有虛擬機(jī)，并將其上各組件的并發(fā)請求數(shù)、響應(yīng)時(shí)間歷史序列作為新增虛擬機(jī)的歷史數(shù)據(jù)，為每臺虛擬機(jī)建立遺傳BP網(wǎng)絡(luò)模型并對其上各組件響應(yīng)時(shí)間進(jìn)行了預(yù)測。然后，根據(jù)各虛擬機(jī)上每個(gè)組件的響應(yīng)時(shí)間計(jì)算得到服務(wù)的響應(yīng)時(shí)間。最后，通過實(shí)驗(yàn)對總并發(fā)請求數(shù)預(yù)測算法、響應(yīng)時(shí)間預(yù)測算法以及云服務(wù)響應(yīng)時(shí)間預(yù)測