Resumen

La programación dinámica de recursos es una actividad crítica para garantizar la calidad del servicio (QoS) en la computación en nube. Uno de los problemas más complejos es cómo predecir la utilización futura de los hosts en tiempo real. Al predecir la utilización futura de los hosts, un centro de datos en nube puede colocar máquinas virtuales en hosts adecuados o migrar máquinas virtuales con antelación desde hosts sobrecargados o subcargados para garantizar la QoS o ahorrar energía. Sin embargo, es muy difícil predecir con exactitud la utilización del host en el momento oportuno porque la utilización del host varía muy rápidamente y muestra una fuerte inestabilidad con muchas ráfagas. Aunque los métodos de aprendizaje automático pueden predecir con exactitud la utilización de los hosts, suelen requerir demasiado tiempo para garantizar una rápida asignación y programación de recursos. En este artículo, proponemos un método híbrido, EEMD-RT-ARIMA, para la predicción de la utilización del host a corto plazo basado en la descomposición de modo empírico conjunto (EEMD), la prueba de ejecución (RT) y la media móvil autorregresiva integrada (ARIMA). En primer lugar, se utiliza el método EEMD para descomponer la secuencia no estacionaria de utilización de hosts en componentes relativamente estables de la función de modo intrínseco (IMF) y un componente residual para mejorar la precisión de la predicción. A continuación, se seleccionan componentes IMF eficientes y se reconstruyen en tres nuevos componentes para reducir el tiempo de predicción y la acumulación de errores debidos a demasiados componentes IMF. Por último, los resultados globales de la predicción se obtienen superponiendo los resultados de la predicción de tres nuevos componentes, cada uno de los cuales se predice mediante el método ARIMA. Se realiza un experimento con trazas reales de utilización de hosts de una plataforma en la nube. Comparamos nuestro método con el modelo ARIMA y el método EEMD-ARIMA en términos de error, efectividad y análisis de coste-tiempo. Los resultados muestran que nuestro método es un método rentable y es más adecuado para la predicción de la utilización de host a corto plazo en la computación en nube.

• Materias:Ingeniería electrónica Redes Inalámbricas Arquitectura informática Sistemas de comunicación Informática Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Computer architecture Communication systems Computing Data processing
• Palabras claves:predicción de la utilización del host a plazo, utilización futura del host, utilización del host, eemd, método arima, computación en nube, nuevos componentes, máquinas virtuales, secuencia de utilización del host no estacionaria, función de modo intrínseco estable
• Keywords:term host utilization prediction, future host utilization, host utilization, eemd, arima method, cloud computing, new components, virtual machines, nonstationary host utilization sequence, stable intrinsic mode function