论文云计算平台监控系统的预测模型设计是关于对写作云计算论文范文与课题研究的大学硕士、相关本科毕业论文云计算论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
摘 要：基于云计算平台的服务项目中非常重要的一块就是监控,因此研究基于云计算平台的监控系统有很重要的意义.文章针对监控系统实时处理数据滞后的弊端,设计了依据监控历史数据进行研究的预测模型,用来预测系统将来会发生的异常行为,进而提前采取防范措施,以保证系统的正常运行.
关键词：云计算平台；监测；控制；预测模型
中图分类号：TP311 文献标识码：A
1 引言（Introduction）
云计算平台监控系统预测是根据监控系统的已有数据资料预测将来会发生的行为.预测研究总体上分为三步：第一步研究基于云计算平台的监控资料数据性质,以此为依据来建立数据模型；第二步给数据预测模型分类,并为各模型设计实现算法及机制；第三步对预测模型的动态适应性进行研究,评估预测模型,检验各模型算法的准确度[1].
2 数据模型设计（The design of data model）
建立预测模型,就要给监控的历史数据构建模型,监控历史数据可以抽象为有序数据集.有序数据集用（）
表示,数据集的起始时间用表示,结束时间用表示,,为监控性能数据,为发生时间.为有序,时,.例如监控一个服务器上硬盘的使用情况,隔5分钟采集1次数据,那么1小时收集的历史数据集为,是时间时硬盘的使用量.也可以用几个性能参数的集合加以抽象,表示在时间时的硬盘使用量,表示在时间时的CpU使用量,表示在时间时的内存使用量[2].
3 数据模型分类（The classification of data model）
基于云计算平台建立监控预测模型,一要参考预测的数据类型,二要参考预测的时间范围.预测的数据类型可能是连续的数值型,也可能是离散的布尔型.数据可以按周期采集,也可以按瞬时事件触发式采集,可以预测多个方面,比如硬盘使用、内存使用、一个时间段中网络节点的状态、Web服务每秒的Http请求数等.预测的时间范围也就是适合预测模型的预测时间长度,有短期和长期两种.具体分类参考表1.
表1 模型参考
Tab.1 The model reference
项目长期预测短期预测
数值型数据趋势和季节性分析静态模型的时间序列分析
布尔型数据故障周期性分析模型数据挖掘
依据以上参考预测模型以及基于云计算平台监控数据的特性和预测需求,预测模型可分为三类：
（1）性能数据长期预测模型,通常用回归算法长期预测性能参数.
（2）阈值越界预测模型.
（3）系统事件预测模型,一般利用数据挖掘技术寻找经常出现的系统故障.
3.1 性能数据长期预测模型
数值型的性能数据长期预测模型,可用于预测如内存使用、响应时间、CPU使用、最大响应时间、磁盘使用等性能参数.对各种性能数据的预测是为了掌握系统设备未来的需求,以确保提供通畅、快速的网络服务.这种模型重点研究时间序列的动态部分,一般采用外推法建立模型,用超前外推K步法预测一般走势.
（1）外推算法
外推预测算法用方程（）表示,其中,和为常量,表示零平均数的随机变量.用方程映射关系来预测的值,当数据达到预设的容量时就警告.
（2）超前K步分析法
超前K步分析预测算法的优点很多,与传统算法相比,准确率更高.相似结构的计算机性能也相似,收集监控数据的服务器越多,预测模型越准确.
超前K步分析法通过分析监控数据在时间与时间时的映射关系来预测,映射关系可用表示.根据采集的历史监控数据建立时间跨度为的数据集,通过研究数据集的映射关系构造一种预测模型,预测第步的性能参数,来自历史数据集.此算法不限定具体形式为函数,可以是以为参数的线性函数、神经网络、决策树,能从状态映射到状态就可以[3].
3.2 阈值越界预测模型
基于云计算平台的监控系统预测系统发生的故障是通过为监测的性能数据设定阈值来实现.一旦监测到某项系统性能参数值超出了阈值,就要引发系统警报.
（1）处理预测干扰因素
第一步,把一天当中偏移平均值 较大的性能参数样本消除掉,消除方程为,为一天内按固定间隔第次采集的性能数据值,为第个周期采集的性能数据偏移平均数的偏移量,为噪音.
第二步,把一周中偏移平均值较大的性能参数样本消除掉.消除方程为,其中表示一周中第天的偏移量,且.
第三步,把一个月中偏移平均值较大的性能参数样本消除,消除方程为,其中表示一年中某月的偏移量,且.
通过以上过滤,每天、每周、每月的偏移平均值较大的性能参数样本都已消除.
最后,消除时间序列的依赖性,用参数为的方程表示时间,建立一个二阶非线性自回归模型,用方程表示,和是用标准的算法由数据估测出来的模型参数,表示独立恒等分布的随机变量.
（2）查找异常行为
消除干扰因素后,接下来依据剩余的监控数据,检测系统偏离平均值的异常行为.参考方程,参照时间窗口中的偏移量为,时间长度为,检验时间窗口的时间长度为.
3.3 系统事件预测模型
云计算平台监控系统从历史监控数据中往往可以在短期内挖掘出许多系统事件,进而用数据分析法提取短期预测模型,用来预测系统短期内可能出现的异常事件.这种系统事件预测模型是以先前事件为基础预测目标事件.具体分三步操作：
（1）挖掘频繁事件集
在目标事件之前的时间窗口W内频繁发生的事件称作频繁事件集.要构建系统事件预测模型,首先就要挖掘频繁事件集.假设有一个单独目标事件,在发生之前时间窗口W内的频繁事件集引发了的发生,假如发生之前在时间窗口W中有四个事件发生,时间窗口W内的频繁事件集可以用事件事务T表示,T由四个事件组成,表示为T等于.所有事件事务都这样表述,最后生成事件事务集合D.算法分三步：
总结:本论文主要论述了云计算论文范文相关的参考文献,对您的论文写作有参考作用。
参考文献：
1、 基于灰色系统GM（1，1）的济南市商品房房价预测模型 [摘 要] 以中华人民共和国国家统计局和山东省统计局发布的2010-2016年山东统计年鉴中有关住宅商品房的统计数据，根据全年商品房销售额和销售。
2、 一种杀虫灯监控系统数据交互的设计 摘要：该文通过对上行数据和下行数据的分析，使用系统API接口的方式实现了监控平台系统对杀虫灯的远程采样、状态、运行策略、终端时间等数据的监视和相。
3、 医疗保险信息监控系统建设目标 摘 要 医疗保险是一个十分复杂的信息系统工程，其功能复杂、体系庞大。对此，应该强化医疗保险信息监控体系的建设，以实现最优化的目标。本研究首先对当。
4、 基于机器学习证券公司风险预测模型对比 上市证券公司的风险预警模型能够为政府监管、证券公司稳健发展以及投资者研判提供模型依据。本文在公司风险管理指标体系的基础上，利用已有的决策树、随机。
5、 股指期货短期预测模型 摘 要：本文构建的短期股指期货预测模型，是采用导数分析首先判断其走势方向，再通过一阶差分BP神经网络模型预测波动幅度，进而得到预测日期指价格。以。