文献类型：期刊文章

作　　者：谢晓兰[1,2] 张征征[2] 王建伟[2] 程晓春[3]

XIE Xiaolan;ZHANG Zhengzheng;WANG Jianwei;GHENG Xiaochun(Guangxi Key Laboratory of Embedded Technology and Intelligent System,Guilin University of Technology,Guilin 541004;China 2.College of Information Science and Engineering,Guilin University of Technology,Guilin 541004;China 3.Department of Computer Science,Middlesex University,London NW4 4BT,UK)

机构地区：[1]桂林理工大学广西嵌入式技术与智能系统重点实验室,广西桂林541004 [2]桂林理工大学信息科学与工程学院,广西桂林541004 [3]密德萨斯大学计算机科学系,伦敦NW4 4BT

出　　处：《通信学报》

基　　金：国家自然科学基金资助项目(No.61762031);广西创新驱动重大专项基金资助项目(No.2018AA32003);广西重点研发计划基金资助项目(No.AB17195029,No.AB18126006);广西硕士研究生创新基金资助项目(No.YCSW2017156,No.YCSW2018157);广西中青年教师基础能力提升基金资助项目(No.KY2016YB184)~~

年　　份：2019

卷　　号：40

期　　号：8

起止页码：143-150

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：以Docker和Kubernetes为代表的容器云具有额外的资源开销更小、启动销毁时间更短等优点,但它仍然存在过度供应和供应不足等资源管理问题。为了使Kubernetes集群对部署在其上的应用资源使用量能“提前”响应,并根据预测值为应用及时、准确、动态地调度和分配资源,提出了一种基于三次指数平滑法和时间卷积网络的云资源预测模型,根据历史数据预测未来的资源需求。为了找到参数的最优组合,使用TPOT调参思想对参数进行优化。对Google数据集CPU和内存的预测实验表明,所提模型与其他模型相比具有更好的预测性能。

关 键 词：资源预测 Kubernetes  指数平滑法 时间卷积网络  

分 类 号：TP393]