基于多元线性回归的云计算容量估算研究

为了解决电信企业云计算数据中心基础设施管理中的容量管理问题,采用理论分析和实验的方法,以理解数据中心系统历史容量使用为依据,利用多元线性回归理论建立容量预测模型,并考虑业务突发对模型的影响,实验验证了通过模型计算容量与系统真实占用容量接近的结果。研究结果表明:数据中心系统未来容量需求可以通过历史容量分析建立多元线性回归模型来预。研究结论初步突破了数据中心系统容量不可预测、难于管理的认识,通过容量管理可以使电信业保持系统容量利用率、成本以及服务质量之间的平衡,提升系统资源利用率,提升服务可用性,解决资源瓶颈。

基于改进多元非线性回归模型的云计算负载预测

云计算是目前信息技术领域炙手可热的资源共享技术,然而云计算领域的用户负载预测一直是一个难题,精准的用户负载预测能极大地提高资源使用率。本文基于数据挖掘的理论和方法,针对阿里云的用户负载数据进行研究,经过数据收集、预处理和建模分析三个部分,探索了一元线性回归、带周期性的非线性回归等多组模型,通过不断优化模型,预测性能也得到了不断的提升。最终结果显示,用户请求数量具有整体上涨、按7天周期波动和按1天周期波动的特征,该研究结果为后续的用户请求负载预测提供了指导性的帮助。

云计算数据中心实时能耗建模

为实现能耗测量,实现云计算数据中心能耗最小化,达成云计算数据中心的能耗量化与管理,定义能耗模型的数学表达式与测量的计算方法,针对CPU与内存运行参数分析计算机节点能耗变化,结合线性回归方法建立实时能耗模型。实验结果验证了该模型的正确性,在系统稳定后,能耗计算精度可达96%,得出的测量方法能准确估算出云计算数据中心能耗,为云计算数据中心能效优化提供一种方法。

基于性能计数事件的计算机功耗估算模型

精准快速获取计算机系统的实时功耗是功耗优化研究的基础,因此提出并建立了一种高精度的计算机功耗估算模型。通过分析统计系统运行时代表性的性能计数事件,应用机器学习理论分析性能事件与功耗的关系,建立多核计算机系统实时功耗估算模型。模型构建时使用多元线性回归(multiple linear regression,MLR)方法以及支持向量回归(support vector regression,SVR)方法分析两者关系,并对两种方法建立的功耗估算模型进行了对比分析。实验结果表明,基于性能事件的功耗估算模型可准确估计计算机实时功耗,估算误差不高于3%。与已有模型相比较,该估算模型精度更高、通用性更好。

影响企业应用云计算的评价指标体系构建

伴随着IT技术的快速发展,云计算成为未来信息技术发展的重要方向之一,正越来越受到各方面的关注和应用。为加快推进云计算商业化进程的步伐,文中研究了影响云计算在国内商业化推进的因素,利用多元线性回归方法进行分析。研究结果表明:企业对云计算的认知程度和使用云计算的服务类型对企业应用云计算起着正向的推动效应;云计算的标准化问题和自建云计算的成本对企业应用云计算起着负向的抑制效应。

MapReduce性能预测模型构建

MapReduce是目前大数据处理中应用最广泛的云计算模型,预测其性能有利于提高云计算的效率。然而MapReduce运行需要依赖大量的配置参数,这些参数会对MapReduce性能产生较大的影响。传统的MapReduce模型的配置参数的预测方法都是基于管理员经验的定性分析,无法准确预测MapReduce模型运行时间。为更好地对MapReduce性能进行预测,利用数学分析中的多元线性回归方法,在分析现有的影响MapReduce性能的配置参数的基础上,构建了MapReduce性能和其配置参数之间的多元线性回归模型。为了验证该方法的正确性,以两个最重要的配置参数Map和Reduce数量为例进行了算例验证。实验结果表明,多元线性回归模型可以用来预测MapReduce性能。