-
公开(公告)号：CN108182115B
公开(公告)日：2021-08-31
申请号：CN201711468879.2
申请日：2017-12-28
Applicant: 福州大学
IPC: G06F9/50
Abstract: 本发明涉及云计算技术领域，特别是一种云环境下的虚拟机负载均衡方法，包括如下步骤：根据云平台的历史任务数据集，构建随机森林回归模型；获取云平台当前的任务集合和虚拟机集合；使用构建的随机森林回归模型，预测云平台当前的任务集合中每个任务的执行时间；根据云平台当前的任务集合中每个任务向云平台请求的CPU使用量、内存使用量、任务数据处理规模以及预测得到的任务执行时间，使用粒子群优化算法，以云平台中虚拟机的负载均衡度为优化目标，获得全局最优的粒子编码；将全局最优粒子编码解码成任务到虚拟机的分配方案并输出。该方法能够在均衡虚拟机资源使用率的同时减少任务总执行时间。
-
公开(公告)号：CN108196957A
公开(公告)日：2018-06-22
申请号：CN201711469032.6
申请日：2017-12-28
Applicant: 福州大学
Abstract: 本发明涉及云计算技术领域，特别是一种云环境下的主机负载预测方法，包括如下步骤：1、取云平台的历史负载数据集X，进行归一化处理，得到归一化后的历史负载数据集 2、根据得到的历史负载数据集构建ARMA预测模型，获得主机负载预测值集合，进而计算得到ARMA预测误差数据集E；3、使用ARMA预测误差数据集E训练Elman网络模型，并根据得到的Elman网络模型进行预测，得到误差预测值集合；4、结合ARMA预测模型和Elman网络模型，修正主机负载预测值集合，得到更高精度的预测模型HARMA-E；5、采用预测模型HARMA-E，预测云平台的实时负载。该方法能有效提升云环境中主机工作负载的预测精度。
-
公开(公告)号：CN108182115A
公开(公告)日：2018-06-19
申请号：CN201711468879.2
申请日：2017-12-28
Applicant: 福州大学
IPC: G06F9/50
Abstract: 本发明涉及云计算技术领域，特别是一种云环境下的虚拟机负载均衡方法，包括如下步骤：根据云平台的历史任务数据集，构建随机森林回归模型；获取云平台当前的任务集合和虚拟机集合；使用构建的随机森林回归模型，预测云平台当前的任务集合中每个任务的执行时间；根据云平台当前的任务集合中每个任务向云平台请求的CPU使用量、内存使用量、任务数据处理规模以及预测得到的任务执行时间，使用粒子群优化算法，以云平台中虚拟机的负载均衡度为优化目标，获得全局最优的粒子编码；将全局最优粒子编码解码成任务到虚拟机的分配方案并输出。该方法能够在均衡虚拟机资源使用率的同时减少任务总执行时间。
-
-
Search Results
3
records
(took 0.036 seconds)
