基于模式匹配分析的云计算弹性评测方法

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:songyc198610712
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目前云计算已经大量出现并逐渐成为一种主流的计算范式,市场上将云平台作为主要IT基础设施的公司正在逐渐增多,这些趋势使得云计算的核心价值从最初的降低成本逐渐向具有敏捷性和自由化方向上转变,而实现敏捷性和自由化则需要弹性资源管理策略。弹性已然成为云服务资源管理的核心功能,弹性评测也随之成为该领域研究的热点问题。然而无论是平台架构还是开发流程,云平台与传统的IT计算平台都呈现出显著的差异,原有的基准测试方法并不能满足弹性评测的需求。但现阶段全面而且合理的综合弹性评测体系还没有完整的构建起来,主要的难点来自两方面:首先已有弹性评测指标数量多、种类杂,选择一个较小的且包含最核心指标的评价指标集合,是解决此类问题的主要途径;其二,已有评价指标有待细化,指标的计算存在系统状态界定不准确和延迟时间模糊处理等问题,影响弹性评测的准确度。为解决云计算环境下弹性的量化和比较问题,改善指标计算过程中存在的系统调度延迟模糊处理和状态界定不准确的状况,本文通过分析弹性的核心特征,分别从资源配置的时间和空间维度,在系统可用性、资源配置的速度和精度方面,提出状态比率、伸缩延迟和调度损耗三类指标,构建弹性量化模型,准确描述系统弹性。为了细化该评测指标,本文应用模式匹配分析技术进行时间序列数据挖掘,首先通过变点检测算法识别响应时间变化点,然后应用动态时间规整算法将其变化点映射到负载曲线,定位弹性策略触发点,最终解决云系统信息的不完整和不准确问题,为指标的精确计算提供数据支持。为验证模型结论,实验基于Cloud Stack云管理平台,分别评测了应激式和预测式的弹性策略,分析其长处与不足,最终验证该弹性评测模型结论的有效性与先进性。
其他文献
随着计算机存储器技术的发展,近年来出现了一类新型存储器—按字节寻址非易失存储器(byte-addressable non-volatile memory),简称NVM。NVM融合了传统DRAM按字节寻址和传统外
社团结构是复杂网络普遍而又重要的拓扑属性之一,它具有团内连接紧密、团间连接稀疏的特点。揭示网络社团结构对分析复杂网络拓扑结构、理解其功能、发现其隐含模式以及预测网
当今时代,数据爆炸为近似聚集的效率和准确性提出了很大挑战。为了提高近似聚集的效率和准确性,我们引入了机器学习领域的杠杆机制。在传统的杠杆机制中,杠杆反映了样本的个
近几年孤立点检测研究已经成为数据挖掘的热点。孤立点检测的作用是扩展人们的感官功能,来发现那些不能被人们容易发现的知识,识别那些隐藏的重要模式。而这些知识和模式可能
Web环境下快捷有效地向用户推荐对其更为可信和感兴趣的资源已经成为一个研究热点。本文主要研究基于信任网络的个性化推荐模型以向用户推荐更为可信和感兴趣的Web资源。  
随着计算机技术的飞速发展,在计算机视觉领域内的图像处理和模式识别等技术也逐渐变得更加完善,其中检测问题也是图像处理等领域大多数学者研究的主要问题之一,并且在实际生
远程医疗是将计算机、多媒体、通信、网络等技术与现代化医疗技术结合起来,为了提高医疗诊断水平、降低医疗费用、满足众多特殊人群的需求而产生的一项全新的医疗服务模式。
交通流参数检测是智能交通系统的重要研究内容之一。基于视频的交通流参数检测具有信息含量丰富、设置灵活、成本低等优点,目前已成为国内外的研究热点,有着广阔的应用前景。
大数据计算框架Spark运用内存空间极大提升了任务的执行效率,但由于内存空间的局限性,Spark任务常常因为内存瓶颈导致执行效率低下,甚至任务失败,这与框架本身的缺陷和RDD(Re
TTCN-3语言越来越多地被应用于协议一致性测试中,TTCN-3的图形化表示给用户提供了友好的图形化描述手段。标准的GFT标准只能够描述测试逻辑对应的图形化表示,自动生成的测试