TY - JOUR A2 - Wu, Jia AU - Huang, Zheng AU - Peng, Jiajun AU - Lian, Huijuan AU - Guo, Jie AU - Qiu, Weidong PY - 2017 DA - 2017/11/26 TI - Deep Recurrent Model for Server数据中心中的负载和性能预测SP -8584252 VL -2017 AB-经常性神经网络（RNN）已广泛应用于许多顺序标记任务，例如自然语言过程（NLP）和时间序列分析，并且已证明RNN已证明RNN在这些领域效果很好。在本文中，我们建议将RNN与长期短期内存（LSTM）单元一起使用服务器负载和性能预测。绩效预测的经典方法集中于绩效和时间域之间的建立关系，这是许多不现实的假设。我们的模型是基于事件（用户请求）构建的，这是服务器性能的根本原因。我们通过分析包含用户访问序列的数据中心中的服务器日志来预测服务器的性能。以前的工作负载预测工作无法生成详细的模拟工作负载，这对于测试服务器的工作条件很有用。我们的方法提供了一种新的方法来重现用户请求序列，以通过使用RNN-LSTM解决此问题。实验结果表明，我们的模型在产生负载和预测已在线服务登录的数据集上的性能方面具有良好的性能。 We did experiments with nginx web server and mysql database server, and our methods can been easily applied to other servers in data center. SN - 1076-2787 UR - https://doi.org/10.1155/2017/8584252 DO - 10.1155/2017/8584252 JF - Complexity PB - Hindawi KW - ER -