机构名称：
¥ 1.0
摘要：在当今的现代计算基础架构中，云计算已成为一个关键范式，可提供可伸缩性和灵活性，以满足各种特定应用程序的需求。在云设置内保持最佳性能和成本效益仍然是一个重大问题，最重要的挑战之一是有效的资源利用。需要一个资源利用预测系统来帮助资源分配者提供最佳资源分配。在这种动态资源利用率中很难进行准确的预测。机器学习技术的应用是该研究项目的主要重点，旨在预测云计算系统中的资源利用。数据集GWA-T-12位比特脑提供了时间戳，CPU使用，网络传输吞吐量和Microsoft Azure Traces的数据提供了云服务器的CPU使用数据。使用基于CPU利用率的VM工作负载，使用了机器学习模型，例如线性回归，决策树回归，梯度增强回归和支持向量回归。除了这些，还在我们的方法中评估了深度学习模型，例如长期短期记忆和双向长期记忆。与其他模型相比，在CPU利用率和网络传输吞吐量方面，由于其R2得分接近1，因此，双向长期记忆方法与其他模型相比被认为更有效，因此可以产生更准确的结果。
使用机器学习云计算中资源利用的预测
主要关键词
相关文件推荐
