| 基于服务负载的时序QoS预测 |
| |
| 作者姓名： | 张红霞 武梦德 王登岳 董琰 高增海 |
| |
| 作者单位： | 中国石油大学(华东) 青岛软件学院、计算机科学与技术学院, 青岛 266580;中石化胜利油田分公司 信息化管理中心, 东营 257001;中石化胜利石油管理局有限公司 信息化技术服务中心, 东营 257001 |
| |
| 基金项目： | 山东省自然科学基金(ZR2020MF006, ZR2022LZH015) |
| |
| 摘 要： | 网络技术的发展和多接入边缘计算的兴起使得计算和网络资源的部署逐渐靠近终端.随着服务数量的增多,为了向用户更好地推荐服务,如何在复杂、动态的边缘计算环境中实时、准确地预测服务质量(quality of service,QoS)成为一项挑战.本文提出一种基于服务负载实时预测QoS的深度神经模型(QPSL),它可以为边缘计算中的QoS预测提供缺少的负载状况感知和周期感知.首先,对服务的负载状况进行特征表示,并通过时序分解模块获取时序特征.其次,将CNN和BiLSTM结合,学习潜在的时序关系,生成不同时刻的状态向量.然后,基于Attention机制为历史时刻的状态向量分配权重,从而构造未来时刻的状态向量.最后,将上下文嵌入向量与状态向量送入感知层完成实时QoS预测.基于真实的融合数据集进行了大量的实验,结果表明QPSL在响应时间和吞吐量任务上的MAE分别平均提升了10.28%和10.87%,优于现有的时间感知QoS预测方法.
|
| 关 键 词： | 边缘计算 多接入 QoS预测 时间感知 实时预测 预测模型 深度学习 |
| 收稿时间： | 2023-04-07 |
| 修稿时间： | 2023-05-06 |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载免费的PDF全文 |
|
