云资源日消耗量的准确预测对提高云服务提供商的服务质量具有重要意义。云资源日使用量时间序列按其特征一般可分为平稳非随机、非平稳波动较小、不稳定波动较大等类型,本文主要对非平稳波动较小的云资源日使用量时间序列进行预测,进而预测云资源的日消耗量。对于非平稳波动较小的时间序列一般采用ARIMA模型进行预测,但单纯使用ARIMA模型进行预测存在预测精度不高的问题。本文针对云资源易受多种因素影响的特点,结合京东云日常运维和销售工作的实际需求,基于京东云运维系统平台研发了云资源日消耗量预测系统。具体研究内容和成果如下:(1)单纯使用ARIMA模型进行预测,期数增多会导致方差显著增大,针对该问题,本文运用典型的移动平均法对ARIMA模型的预测值进行修正以达到缩小误差的目的。针对云资源日使用量时间序列往往存在奇异点的问题,在对日使用量时间序列进行ARIMA建模前增加预处理操作,对奇异点做平滑处理,降低奇异点对预测结果的影响。基于上述思路,在ARIMA模型的基础上提出了云资源日消耗量预测的ARIMA-DCCR算法。(2)使用京东云BGP的日使用量时间序列数据对ARIMA-DCCR算法进行实验分析,得到初步预测值(ARIMA模型预测值)和修正的预测值(ARIMA-DCCR算法预测值),并对两种预测序列进行定量误差分析,ARIMA-DCCR算法相比ARIMA模型平均绝对误差、平均绝对百分比误差和均方根误差分别平均下降了 54.41%、52.21%和43.67%,说明ARIMA-DCCR算法降低了 ARIMA模型预测云资源日使用量的误差,进而提高了云资源日消耗量的预测精度。(3)采用面向对象技术、UML技术、Python语言和Java语言,分析设计并实现了基于ARIMA-DCCR算法的云资源日消耗量预测系统。给出了需求分析、系统总体流程、架构设计及部分数据库设计等软件系统模型,并给出了主要模块的实现方案。将云资源日消耗量预测系统应用到京东云运维与销售过程中,结果表明,ARIMA-DCCR算法提高了云资源日消耗量的预测精度,所研发的系统对于提高云资源运维效率、制定云资源销售策略具有重要的现实意义。