云平台任务资源使用状态预测分析研究

预测任务的资源使用状况是提高云平台资源使用率的重要手段之一.然而云计算平台资源使用的动态性、不确定性和突变性使得预测效果有限.为了提高云平台任务的资源使用率预测性能,本文做了如下工作:1)详细地分析了当前主流云平台的资源使用情况,提炼了云平台任务的资源使用特征;2)根据云平台的特点设计了适合任务的资源使用预测性能评价函数PEFOT(Performance Evaluation Function fOr Tasks,PEFOT);3)设计并实现了一种云平台任务的资源使用率预测方法 REPOTASK(REsource Prediction method fOr TASKs,REPO-TASK).使用Google云平台数据集进行了实验,结果表明,相对于目前已经提出的任务资源使用率预测模型BP和LSTM,REPO-TASK方法具有更好的预测性能,PEFOT值平均下降了3. 2591.     

云平台主机资源负载预测分析研究

云平台主机资源负载预测对于提高系统资源利用率以及实现资源分配的优化至关重要,也是实现云平台服务水平协议的关键所在.有效的主机负载预测机制可促进主动作业调度,辅助主机负载平衡决策,这反过来可以提高主机资源利用率、改善作业性能、降低数据中心成本.具体来看,云平台中主机工作负载具有快速变化、波动大和长期信息依赖等特点,这使得负载预测工作变得复杂.为了解决上述预测问题,本文做了如下工作:1)实现了适合主机平均负载预测的指数分段预测模式; 2)完成了主机实际负载多步预测模式; 3)在2个真实云平台数据集进行实验,并采用3种评价函数对实验结果进行评估.最终结果表明,相对于目前已经提出的主机负载预测模型,本文方法具有更好的预测性能.     

抛物样条算法在等值线平滑中的应用

在深入研究分段抛物样条算法的基础之上,采用Visual Basic. NET2005开发语言,最终设计并实现了基于该算法的闭合和不闭合的平滑抛物样条曲线绘制方法。并将该算法应用到雨量等值线的平滑中,取得了较为理想的效果。并采用均匀添加型值点的方式,使最终等值线的绘制更加科学化,避免相交情况的出现。