50、云计算中的工作负载预测方法与容器即服务架构综述

云计算中的工作负载预测方法与容器即服务架构综述

一、云计算工作负载预测方法

1.1 工作负载预测概述

工作负载预测是利用当前信息来预测未来的技术，其目的是提高云计算的效率并降低运营成本。在云数据中心，服务器接收大量用户请求，特定时间的请求会被编译为历史数据，经过收集和标准化处理后，传输到预测系统以预测未来工作负载。

1.2 相关工作方法

1.2.1 基于神经网络的方法

• Saxena 等人 ：提出网络负载可变性模型，预测连续预测周期之间的平均负载，使用 AADE 学习算法训练神经网络。
• Lu 等人 ：提出 RVL BPNN 模型，基于 BP 神经网络算法，利用传入工作负载的内部关系预测更大的未来负载，测试结果显示该模型具有清晰性和高效性。
• Saxena 等人 ：提出能源高效资源供应和分配框架，以及在线多资源前馈神经网络（OM - FNN）预测模型，使用 TaDE 学习算法优化预测。
• Kumar 等人 ：使用神经网络和不同进化算法开发工作负载预测模型，采用包含 n - p - q 神经元的结构。
• [5] 中 ：提出基于监督学习技术的神经网络模型的工作负载预测框架，引入 BaDE 学习算法训练模型。
• Bi 等人 ：提出集成预测系统 SGW - SCNs，用于指示未来工作量。 </