[發明專利]一種基于組合預測模型的Swarm集群調度方法

有效

• 申請號: 201910625563.2
• 申請日: 2019-07-11
• 公開（公告）號: CN110308981B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 孫寧;萬擁;王彬;李昌澔
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G06F9/48
• 分類號: G06F9/48;G06F9/50;G06F9/455;G06F17/13;G06F17/18
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 丁濤

1.一種基于組合預測模型的Swarm集群調度方法，其特征在于，所述方法包括以下步驟：

步驟1)根據一元線性回歸模型對節點的CPU和內存的預測值進行權值計算；

步驟2)根據灰色模型對節點的CPU和內存預測值求和得到節點權值；

步驟3)假定計算出一元線性回歸模型和灰色預測模型的最優權值，將兩個權值進行加權綜合計算形成組合優化的預測模型；

所述步驟3)具體包括如下步驟：

步驟31)設y(t)，t＝1,2；為預測對象，假定y(1)為一元線性回歸模型，y(2)為灰色預測模型；y₁(t)表示在t時刻一元線性回歸模型的預測值，y₂(t)表示在t時刻灰色預測模型的預測值；

步驟32)模型在t時刻的預測誤差為：

e_it＝y(t)-y_i(t),i＝1,2；t＝1,2,...,n；

預測誤差矩陣為：E＝[(e_it)_m×n][(e_it)_m×n]^T；

步驟33)設一元線性回歸模型和灰色預測模型的加權系數W＝(w₁,w₂)^T，w₁表示為一元線性回歸模型的加權系數，w₂表示為灰色模型的加權系數，則組合預測模型表示為：

組合預測模型的預測誤差在t時刻的值為：

即組合預測模型的誤差平方和為：

步驟34)以模型的誤差平方和最小為基礎求得組合權值；

其中，minS＝W^TEW，R^TW＝1，R^T＝(1?1)_1x2；

求得組合預測模型的最優權系數W的最優解；

步驟4)檢查是否所有時刻計算完畢，如果沒有則循環計算下一時刻，直至最后時刻；

步驟5)選擇權值最小的節點分配容器，一次調度結束。

2.根據權利要求1所述的一種基于組合預測模型的Swarm集群調度方法，其特征在于：所述步驟1)的具體步驟如下：

步驟11)分別獲取當前節點的CPU利用率和內存利用率的時間序列；

步驟12)由于每個真實值和預測值的隨機誤差相互獨立，并且服從同一分布，即求得一元線性回歸方程；

步驟13)通過預測時間獲得預測值；

步驟14)根據一元線性回歸預測模型進行精度檢驗，評估預測模型是否符合要求，若沒有達到要求，將縮小樣本集，再返回到步驟12)；

步驟15)采用Swarm內置的方法對節點的CPU和內存預測至進行權值計算。

3.根據權利要求1所述的一種基于組合預測模型的Swarm集群調度方法，其特征在于：所述步驟2)具體包括如下步驟：

步驟21)首先分別獲取當前節點的CPU利用率和內存利用率的時間序列，根據n個原始數據進行累加得到一次處理的數據序列；

步驟22)根據灰色預測方法，得出GM(1，1)模型相應的一階微分方程；

步驟23)通過最小二乘法對微分方程進行求解獲得預測模型；

步驟24)根據預測模型進行累減操作得到預測值；

步驟25)對預測模型進行殘差檢查，判斷是否達到較高要求；

步驟26)對n+1時間節點的CPU和內存預測值求和得到節點的動態權值。