データ駆動型適応型クラウドリソース使用予測

要約 システム内のコンピュータリソース使用を予測することは、リソースの最適化管理を可能にします。クラウドコンピューティングが普及する中、正確な予測の緊急性は低下していますが、必要に応じてリソースをスケールできるからです。ただし、これは過剰なコストにつながる可能性があり、そのためクラウドリソースの最適化に多くの研究が捧げられています。これにより、クラウドコンピューティングのコストを大幅に削減できます。最も有望な方法は、負荷予測と予測値に基づくリソースのスケーリングを使用します。しかし、予測の質は予測手法の選択に依存します。なぜなら、異なる負荷特性には異なる予測メカニズムが必要だからです。本論文では、データ駆動型の予測アルゴリズムの適応を取り入れた新しいアプローチを示し、短期および長期のクラウドリソース使用予測を生成し、提案したソリューションがさまざまな負荷特性や一時的および永続的な使用の変化に再調整できるようにします。まず、予備テストが実施され、有望な結果が得られました - 最大36％の予測品質の向上。その後、完全自律型のマルチステージ最適化ソリューションが提案されました。提案されたアプローチは、さまざまな実生産サーバーからの実データを使用して評価されました。実験結果は、静的アルゴリズム選択と比較して、9.28％から80.68％までの予測品質の向上を示しています。