优化管理论文提纲

2022-11-15

论文题目：面向云计算资源优化管理的需求预测与配置算法研究

摘要：大数据和人工智能时代,云计算平台作为服务载体,需要提供海量的物理和虚拟资源来支撑各种应用,如何优化管理海量资源,提高云平台的服务和支撑能力成为云计算研究的重点问题。然而随着应用的多样化和复杂化,云计算资源需求呈现出更加强烈的多样性、突发性、批量性等特征,给云计算资源优化管理带来巨大挑战。云平台出现大量突发紧急资源需求,需要通过更加精确的需求预测来实现高效的资源配置,但现有预测方法面对当前资源需求复杂特征往往准确率不高,造成资源配置不及时、利用率低等问题。同时,常规资源配置方法不支持应急模式,无法保证最快、最优地提供资源,不能及时满足突发紧急资源需求。现有固定资源配额机制无法不断满足用户的动态资源需求,造成大量用户长期占用较高配额但利用率低,导致云平台资源配置难以控制优化、资源服务能力受限。而现有资源配置测评方法指标众多、测试过程复杂,难以在实际中推广和应用,资源配置更加难以优化。针对上述问题,本文围绕云计算资源优化管理,基于信号频域分析、多目标优化等理论方法,对云计算资源需求预测、资源配置、资源配额分配、资源配置测评等关键算法展开研究,主要研究工作和创新点如下:（1）设计了基于集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）的云计算资源需求和负载短期预测算法,并在此基础上提出了基于动态阈值的自适应短期预测算法。首先,面向云计算突发非稳定的资源需求,设计了一种基于EEMD方法和自回归整合移动平均（Autoregressive Integrated Moving Average model,ARIMA）模型相结合的短期预测算法EEMD-ARIMA,提高了预测精度;然后,针对EEMD-ARIMA算法预测时间过长问题,构建了一种服务器负载短期预测算法EEMD-RT-ARIMA,通过高效特征分量的识别和重构减少了预测时间;最后,基于两种算法的适用性,通过设计异常数据处理方法、自适应预测策略及误差调整方法等,提出了一种自适应的云计算资源需求和负载短期预测算法,可根据不同数据特征自适应选择高精度预测算法进行预测。（2）提出了一种面向突发应急的云计算资源配置算法。首先建立主动预测的资源配置策略应对资源需求突发性,设计资源配置优先级模型对紧急资源需求进行优先配置,构建资源性能匹配模型和资源配比匹配模型实现资源配置最优化和各类资源的均衡利用;然后建立多目标优化的云计算资源配置模型,最后改进带精英策略的非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm with Elite Strategy,NSGAII）,建立多目标优化的资源配置算法,通过并行计算适应度函数、删除重复个体、进一步优选相邻优秀个体,加快资源配置算法的求解速度、提高解集的质量和分布均匀性,解决了常规资源配置方法不支持应急模式无法快速响应问题,保证了资源配置的及时性和最优化。（3）提出了一种基于信用因子的云计算用户资源配额动态分配算法。面向资源的控制优化和公平使用,基于用户历史资源配额利用情况建立用户信用因子模型和权重模型,通过用户信用因子动态分配和平台周期性调整用户资源配额,对长期占用较高资源配额但利用率较低的用户进行资源配额惩罚性分配,并进行惩罚效应累积,有效控制了云平台用户资源使用数量、增强了用户使用资源的公平性、优化了平台资源的利用、提高了平台资源服务能力。（4）提出了一种基于事件序列的云计算资源配置测评方法。针对云计算资源弹性配置测评指标众多、测试过程复杂问题,设计了资源弹性配置最小测评指标集,建立了基于事件序列的蜕变测试方法,不仅定义了事件序列间的蜕变属性和蜕变关系,而且给出了事件序列蜕变关系优先级的定量度量方法,在设计阶段就能预估蜕变关系错误检测能力,实现了资源弹性配置流程的简单、高效测试。实验表明该方法也可用于测试量大、流程较复杂的其他领域系统,具有较强的适用性。

关键词：云计算;资源优化管理;资源需求预测;资源配置;配额动态分配;弹性配置测评

学科专业：计算机应用技术

摘要

Abstract

变量注释表

1 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 论文主要研究内容

1.4 论文组织结构

2 基于EEMD的云计算资源需求和负载短期预测算法

2.1 引言