계층적 몬테카를로 훈련을 이용한 웹 서버 작업 부하 예측

인터넷 서비스 유틸리티는 공유 서버 클러스터(서버 팜)에서 여러 서버 애플리케이션을 호스팅합니다. 호스팅 서비스 제공자의 주요 작업 중 하나는 각 웹사이트에 서버를 할당하여 시간에 따라 다양한 클래스의 들어오는 요청에 대해 일정 수준의 서비스 품질을 유지하고, 서버 자원의 사용을 최적화하며, 이익을 극대화하는 것입니다. 이러한 자원의 사전 관리에는 작업 부하를 정확히 예측하는 것이 필요하며, 이는 일반적으로 단위 시간당 서비스 요청의 양으로 측정됩니다. 시계열로서 작업 부하는 짧은 시간의 무작위 변동뿐만 아니라 한 주기에서 다음 주기로 무작위로 발전하는 뚜렷한 주기적(일일) 패턴을 보입니다. 우리는 여러 시간 척도를 갖춘 계층적 프레임워크를 기반으로 한 웹 서버 부하 예측 문제에 대한 해결책을 제안합니다. 이 프레임워크는 연속 상관관계, 두꺼운 꼬리 현상 및 데이터의 비정상성을 수용하는 동시에 신뢰 구간을 제공하는 장기(일 단위) 및 단기(분 단위) 예측을 제공하는 적응형 절차로 이어집니다. 장기 부하는 동적 조화 회귀(DHR)로 모델링되며, 그 계수는 무작위 보행에 따라 발전하고, 순차 몬테카를로(SMC) 알고리즘을 사용하여 추적됩니다. 반면 단기 부하는 자기 회귀 모델을 사용하여 예측되며, 그 매개변수 또한 SMC 기술을 사용하여 추정됩니다. 우리는 실제 웹 작업 부하 데이터를 사용하여 우리의 방법을 평가합니다.