[发明专利]一种基于自动伸缩Docker集群的组合预测方法

权利要求书

1.一种基于自动伸缩Docker集群的组合预测方法，其特征在于，包括如下步骤：

步骤1、负载预测每隔T时间从监控集群的数据中心中分别提取各服务的历史CPU使用率X＝{X(1),X(2),X(3)...X(n)}与内存工作负载Y＝{Y(1),Y(2),Y(3)...Y(n)}，并根据此负载序列进行负载预测；

步骤2、用GM(1,1)模型分别对历史CPU使用率X＝{X(1),X(2),X(3)...X(n)}和内存工作负载Y＝{Y(1),Y(2),Y(3)...Y(n)}进行建模，分别表达出其中的线性关系，分别得到CPU工作负载预测值序列和内存工作负载预测值序列

步骤3、然后用BP神经网络对GM(1,1)模型产生的CPU工作负载预测值序列和内存工作负载预测值序列分别进行建模，得到CPU工作负载最终预测的误差序列e₁和内存工作负载最终预测的误差序列e₂；

步骤4、将CPU工作负载预测值序列与CPU工作负载最终预测的误差序列e₁相加得到修正误差后的CPU工作负载预测值序列将内存工作负载预测值序列与内存工作负载最终预测的误差序列e₂相加得到修正误差后的内存工作负载修正误差后的预测值序列

2.根据权利要求1所述的一种基于自动伸缩Docker集群的组合预测方法，其特征在于，步骤2具体为：

步骤2.1、弱化原始时间序列的随机性，需要先对原始时间序列CPU工作负载的时间序列X＝{X(1),X(2),X(3)...X(n)}和内存工作负载的时间序列Y＝{Y(1),Y(2),Y(3)...Y(n)}进行数据处理，采用的是累加法处理，累加后得到CPU负载的一次累加序列X⁽¹⁾＝{X⁽¹⁾(1),X⁽¹⁾(2),X⁽¹⁾(3)...X⁽¹⁾(n)}与内存负载的一次累加序列Y⁽¹⁾＝{Y⁽¹⁾(1),Y⁽¹⁾(2),Y⁽¹⁾(3)...Y⁽¹⁾(n)}；

步骤2.2、利用步骤2.1生成X⁽¹⁾(k)与Y⁽¹⁾(k)的紧邻域Z⁽¹⁾(k)_x和Z⁽¹⁾(k)_y，其中，X⁽¹⁾(k)代表CPU负载第k次累加序列，Y⁽¹⁾(k)代表内存负载第k次累加序列；

步骤2.3、根据X⁽¹⁾(k)和Y⁽¹⁾(k)分别建立灰色微分方程，利用最小二乘法分别对微分方程中参数a_x，u_x和a_y，u_y的值分别进行估计，得到的参数向量，求解微分方程；

步骤2.4、再根据累减法还原序列，可以得到序列在下一个t周期的预测值，这样就得到了CPU工作负载线性关系预测值与内存工作负载线性关系预测值