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.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Investigación sobre la Aplicación de Visual SLAM en GPU Integrada.
Artículo:
Método de control de acceso a datos de almacenamiento en nube basado en la recodificación dinámica
Artículo:
Control Multimodal mediante Modelado de Redes Neuronales de Estructura Variable para la Dosificación de Coagulante en el Proceso de Purificación de Agua
Artículo:
Detección de ocupación en entornos inteligentes basada en sensores que se llevan puestos
Artículo:
Una red basada en IoT para la urbanización inteligente.
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.