• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of grid and high performance computing >Auto-Scaling Provision Basing on Workload Prediction in the Virtualized Data Center
【24h】

Auto-Scaling Provision Basing on Workload Prediction in the Virtualized Data Center

机译：虚拟数据中心中基于工作负载预测的自动扩展设置

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

With the development in the Cloud datacenters, the purpose of the efficient resource allocation is to meet the demand of the users instantly with the minimum rent cost. Thus, the elastic resource allocation strategy is usually combined with the prediction technology. This article proposes a novel predict method combination forecast technique, including both exponential smoothing (ES) and auto-regressive and polynomial fitting (PF) model. The aim of combination prediction is to achieve an efficient forecast technique according to the periodic and random feature of the workload and meet the application service level agreement (SLA) with the minimum cost. Moreover, the ES prediction with PSO algorithm gives a fine-grained scaling up and down the resources combining the heuristic algorithm in the future. APWP would solve the periodical or hybrid fluctuation of the workload in the cloud data centers. Finally, experiments improve that the combined prediction model meets the SLA with the better precision accuracy with the minimum renting cost.
机译：随着Cloud数据中心的发展，高效资源分配的目的是以最低的租金成本立即满足用户的需求。因此，弹性资源分配策略通常与预测技术相结合。本文提出了一种新颖的预测方法组合预测技术，包括指数平滑（ES）以及自回归和多项式拟合（PF）模型。组合预测的目的是根据工作负载的周期性和随机性特征来实现一种有效的预测技术，并以最小的成本满足应用程序服务水平协议（SLA）。此外，将来结合PSO算法的ES预测可结合启发式算法对资源进行细粒度的缩放。 APWP将解决云数据中心中工作负载的周期性或混合波动。最后，实验改进了组合预测模型以最小的租赁成本满足了SLA的更高的精度要求。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号