科研之友
微信
新浪微博
Facebook
分享链接
摘要
云计算技术在当前的使用非常广泛，随着用户量的增加，云计算资源的分配管理也越来越重要，而准确的负载预测是分配管理的重要依据，但由于云平台任务有多个负载特征，且特征的相关性变化趋势各不相同，因此难以从长期的历史数据中提取出有效的依赖信息。本文在Informer模型的基础上，提出了一种针对高动态云平台任务CPU长期负载预测方法v-Informer，该方法通过变分模态分解来分解负载序列中的变化趋势，引入多头自注意力机制捕获其中的长期依赖性和局部非线性关系，同时应用梯度集中技术改进优化器，减少计算开销。分别在微软云平台和谷歌云平台数据上进行实验，结果表明，相比于目前已提出的CPU负载预测模型LSTM、Transformer、TCN和CEEMDAN-Informer，v-Informer在Google数据集上的预测误差分别减少了34%、19%、15%和6.5%；在微软数据集上的预测误差分别减少了32%、16%、12%和7%，具有较好的预测精度。
- 出版日期2024
- 单位武汉科技大学; 智能信息处理与实时工业系统湖北省重点实验室
