基于指数平滑的云服务器请求量集成预测模型

针对现有弹性云服务器(elastic cloud server,ECS)未来请求量预测模型准确度低、稳定性差等问题,提出一种基于指数平滑的Stacking集成预测模型。以多个二次指数平滑模型作为基础模型,将线性回归模型作为集成模型对多组指数平滑预测值进行最终拟合;预测过程中使用多组二次指数平滑模型对ECS的历史请求时序进行构造集成模型训练数据集并加入平滑系数的动态优化。与传统单一模型的对比实验结果表明,该模型在实际云服务器请求量预测过程中具有更好的准确性和稳定性。

基于遗传算法的服务器资源分配问题研究

云平台为了满足不同租户的需求,提供了一种可随时自助获取、可弹性伸缩的云服务器,即弹性云服务器(Elastic Cloud Server,ECS)。根据用户申请的请求(虚拟机)利用改进的遗传算法分配服务器资源,找到一个接近最优的分配策略,实现资源最大化利用。实验结果表明,该算法有效减少物理服务器个数的使用以及实现资源利用最大化。