基于BP神經(jīng)網(wǎng)絡的云服務響應時間預測方法研究.pdf

1、對云環(huán)境下虛擬資源的分配和管理是云服務提供商需要解決的關鍵問題，服務提供商可以根據(jù)與用戶簽定的SLA來優(yōu)化使用基礎設施以達到在滿足SLA的前提下最大化資源利用率的目標。響應時間是SLA中的一項重要指標，實時監(jiān)測服務響應時間是否超出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。而基于響應時間預測的資源動態(tài)分配方案在預測的多個響應時間值超出SLA閾值時進行資源調(diào)整，可以有效克服基于實時監(jiān)測的動態(tài)資源調(diào)整的不足，因此預測服務

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

3、夫模型對虛擬機上各組件總的并發(fā)請求數(shù)進行了預測，并根據(jù)虛擬機性能權重計算出了各虛擬機上分配的并發(fā)請求數(shù)。接著，用相似度計算模型找到與新增虛擬機配置最相近的已有虛擬機，并將其上各組件的并發(fā)請求數(shù)、響應時間歷史序列作為新增虛擬機的歷史數(shù)據(jù)，為每臺虛擬機建立遺傳BP網(wǎng)絡模型并對其上各組件響應時間進行了預測。然后，根據(jù)各虛擬機上每個組件的響應時間計算得到服務的響應時間。最后，通過實驗對總并發(fā)請求數(shù)預測算法、響應時間預測算法以及云服務響應時間預測