云计算中基于双向长短期记忆的主机负载预测
信号处理
2020-07-31 v1
摘要
主机负载预测是云平台管理计算资源使用的基础决策信息，其准确性对实现服务等级协议至关重要。与网格计算相比，云环境下的主机负载数据具有更高的波动性与噪声，传统数据驱动方法在处理云计算主机负载时往往预测精度较低，因此本文提出了一种基于双向长短期记忆（BiLSTM）的主机负载预测方法。我们基于 BiLSTM 的方法改善了 LSTM 及近期前期工作中使用的 LSTM 编码器-解码器（LSTM-ED）的记忆能力与非线性建模能力。为评估我们的方法，我们使用某谷歌数据中心超过一万两千台机器的一个月轨迹进行了实验。我们基于 BiLSTM 的方法成功取得了高于其他已有模型（包括近期的 LSTM 与 LSTM-ED 模型）的精度。
引用
@article{arxiv.2007.15582,
title = {Host Load Prediction with Bi-directional Long Short-Term Memory in Cloud Computing},
author = {Hengheng Shen and Xuehai Hong},
journal= {arXiv preprint arXiv:2007.15582},
year = {2020}
}