基于混合模型的云平台资源弹性伸缩方法

为使云资源数据最大化匹配平台主机的存储条件,保障云服务的质量水平,提出基于混合模型的云平台资源弹性伸缩方法。根据聚类混合系数指标,建立完整的初始定位条件,通过计算云数据优选残差加权量的方式,完成基于混合模型的云数据定位。在此基础上,预测平台主机的需求变化趋势,按照资源数据的采集与融合标准,定义必要的弹性扩容与伸缩扩容条件,实现基于混合模型云平台资源弹性伸缩方法的顺利应用。实验结果表明,与高斯负载型数据伸缩方法相比,在混合模型支持下,云平台主机可将资源数据最小压缩至0.125 bit,最大拉伸至16 bit,能够根据平台主机的实际存储条件,对云资源数据传输体积进行及时调整。