学位论文 > 优秀研究生学位论文题录展示

云平台中服务负载自动化预测的设计与实现

作　者: 马国炬
导　师: 高英; 徐国明
学　校: 华南理工大学
专　业: 软件工程
关键词: 云平台 IaaS 负载预测 BP神经网络 MongoDB
分类号: TP393.09
类　型: 硕士论文
年　份: 2013年
下　载: 29次
引　用: 0次
阅　读: 论文下载

内容摘要

云计算从提出到现在已经成为一个炙手可热的话题，很多基于云计算的研究和应用如雨后春笋般出现，让互联网进入了“云”的时代。特别是云计算IaaS服务模式的出现，给用户提供了方便的按需分配资源的服务。用户把应用服务部署和运行在云平台中，可以根据服务的运行负载情况来增减资源。如果能够对服务的负载进行预测，不仅可以给用户提供一个预警，还可以帮助用户更及时地分配资源和回收资源，让资源分配防患于未然，以保证服务的正常运行，及时回收资源可以节约成本，对于充分有效利用资源具有重要意义。自动化预测节约了人工预测成本，避免了人工预测的麻烦和失误，让云平台智能化。本文的服务负载预测就是实现以上描述的一套预测方案，负载预测基于一个弹性云平台，该云平台为IaaS平台。首先使用分布式监控程序Ganglia从云平台中的应用服务虚拟机里面定时获得虚拟机负载数据，然后把负载数据保存到MongoDB数据库。预测程序被打包成一个独立的运行模块，它能够定时执行预测。预测的过程首先从MongoDB数据库中读取用户数据，并统计用户和服务，然后读取负载数据，对负载数据进行检查和清洗，把清洗后的负载数据再进行训练样本制作，包括训练样本输入和输出，还有预测样本输入，把这些训练样本输入BP神经网络进行训练，再用预测样本输入到训练后的BP神经网络得到预测结果，最后把预测结果保存到数据库。为了方便用户可以直观地查看服务负载预测走势，开发了预测展示部分，用JSP页面来显示用户的服务和服务的负载走势曲线图，并通过分析负载情况给用户提供资源的分配和回收建议。

全文目录

摘要  5-6
Abstract  6-10
第一章绪论  10-17
  1.1 研究背景及意义  10-11
  1.2 国内外研究现状  11-14
    1.2.1 国内研究现状  11-13
    1.2.2 国外研究现状  13-14
  1.3 本文主要工作  14-15
  1.4 章节安排  15-17
第二章相关理论及技术  17-29
  2.1 弹性云平台  17-18
  2.2 Ganglia 集群监控  18-21
    2.2.1 工作原理  18-20
    2.2.2 监控指标  20-21
  2.3 人工神经网络  21-26
    2.3.1 生物神经元及人工神经元  21-23
    2.3.2 人工神经网络模型  23-24
    2.3.3 学习规则  24-26
    2.3.4 BP 神经网络  26
  2.4 No-SQL 数据库  26-28
    2.4.1 MongoDB  26-27
    2.4.2 BSON  27-28
  2.5 本章小结  28-29
第三章自动化预测的总体设计  29-40
  3.1 自动化预测的概述  29-31
    3.1.1 需求分析  29
    3.1.2 设计目标  29-31
  3.2 功能模块设计  31-37
    3.2.1 负载数据的收集  31-32
    3.2.2 用户服务包含虚拟机的统计  32-33
    3.2.3 负载数据的检查和清洗  33-35
    3.2.4 BP 神经网络的预测  35-37
    3.2.5 页面展示  37
  3.3 总体结构  37-39
    3.3.1 总体结构设计  37-38
    3.3.2 拓扑结构  38-39
  3.4 本章小结  39-40
第四章自动化预测的详细设计及实现  40-67
  4.1 负载数据的自动化收集  40-43
    4.1.1 自动化收集  40-42
    4.1.2 负载数据在 No-SQL 数据库里面的存储  42-43
  4.2 用户服务的统计  43-45
  4.3 负载数据的检查和清洗  45-53
    4.3.1 数据的有效性检查  47-48
    4.3.2 数据的清洗  48-53
  4.4 BP 神经网络的预测  53-61
    4.4.1 数据的归一化和反归一化设计  54-56
    4.4.2 预测方法  56-57
    4.4.3 训练样本的制作  57-58
    4.4.4 BP 神经网络流程  58-60
    4.4.5 参数设定  60-61
  4.5 预测结果的处理  61-65
    4.5.1 预测结果的存储  61-63
    4.5.2 前台页面展示  63-65
  4.6 日志记录  65-66
  4.7 本章小结  66-67
第五章自动化预测及效果展示  67-80
  5.1 自动化预测  67-76
    5.1.1 运行环境介绍  67-68
    5.1.2 收集负载数据  68-71
    5.1.3 自动化预测  71-76
  5.2 预测的准确性  76-77
  5.3 页面效果展示  77-79
  5.4 本章小结  79-80
第六章总结与展望  80-81
参考文献  81-83
致谢  83-84
附件  84

云平台中服务负载自动化预测的设计与实现

内容摘要

全文目录

相似论文