文献类型：期刊文章

作　　者：邓莉[1,2] 任雨林[1,2] 朱金灿[1,2] 何亨[1,2] 李超[3]

DENG Li;REN Yu-lin;ZHU Jin-can;HE Heng;LI Chao(College of Computer Science and Technology,Wuhan University of Science and Technology,Wuhan 430065,China;Hubei Province Key Laboratory of Intelligent Information Processing and Real-time Industrial System,Wuhan 430065,China;Department of Information Development and Management,Hubei University,Wuhan 430062,China)

机构地区：[1]武汉科技大学计算机科学与技术学院,武汉430065 [2]智能信息处理与实时工业系统湖北省重点实验室,武汉430065 [3]湖北大学信息化建设与管理处,武汉430062

出　　处：《小型微型计算机系统》

基　　金：国家自然科学基金项目(61602351)资助;教育部科技发展中心产学研创新基金项目(2018A03021)资助.

年　　份：2020

卷　　号：41

期　　号：2

起止页码：381-386

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：预测任务的资源使用状况是提高云平台资源使用率的重要手段之一.然而云计算平台资源使用的动态性、不确定性和突变性使得预测效果有限.为了提高云平台任务的资源使用率预测性能,本文做了如下工作:1)详细地分析了当前主流云平台的资源使用情况,提炼了云平台任务的资源使用特征;2)根据云平台的特点设计了适合任务的资源使用预测性能评价函数PEFOT(Performance Evaluation Function fOr Tasks,PEFOT);3)设计并实现了一种云平台任务的资源使用率预测方法 REPOTASK(REsource Prediction method fOr TASKs,REPO-TASK).使用Google云平台数据集进行了实验,结果表明,相对于目前已经提出的任务资源使用率预测模型BP和LSTM,REPO-TASK方法具有更好的预测性能,PEFOT值平均下降了3. 2591.

关 键 词：特征提取 任务资源使用率  改进的随机森林回归模型  性能评价函数  

分 类 号：TP319]