-
公开(公告)号：CN110297715B
公开(公告)日：2021-09-14
申请号：CN201910592018.8
申请日：2019-07-02
申请人： 北京工业大学
IPC分类号： G06F9/50
摘要： 本发明公开了一种基于周期性特征分析的在线负载资源预测方法，在线负载资源预测方法分为三个步骤，资源序列周期识别、子序列分类、在线负载资源预测方法构建。本方法针对在线负载在运行过程中资源使用量具有明显的周期性特征，收集在线负载资源序列样本，对资源序列进行周期识别以及资源序列划分；其次，对于划分得到的子序列进行相似度计算并分类；然后，采用加权方式计算在线负载资源需求进行预测，本方法实现了基于周期性的在线负载资源预测。
-
公开(公告)号：CN107086929A
公开(公告)日：2017-08-22
申请号：CN201710247307.5
申请日：2017-04-16
申请人： 北京工业大学
IPC分类号： H04L12/24 , H04L12/861 , H04L12/26 , H04L29/08
摘要： 本发明公开了一种基于排队建模的批量流式计算系统性能保障方法，性能保障方法分为五个步骤，过程划分、组件选取、性能建模、延迟计算和瓶颈定位及优化。本方法针对批量流式计算系统在运行过程中负载强度具有明显波动性特征，抽取了批量流式计算系统中的关键组件，依据排队论理论构建系统的性能模型，并对模型进行数学解析；然后在系统运行过程中使用该模型计算不同负载强度下系统的数据处理延迟；在数据处理延迟无法满足数据处理时效性需求时，依据排队论原理定位性能瓶颈组件并给出优化配置建议。
-
公开(公告)号：CN109857593A
公开(公告)日：2019-06-07
申请号：CN201910056129.7
申请日：2019-01-21
申请人： 北京工业大学
IPC分类号： G06F11/14
摘要： 本发明公开一种数据中心日志中缺失数据的恢复方法，首先使用相关性分析方法发掘数据中心日志中不同数据属性的相关性，选取最优数据属性子集，并使用一个两阶段离散化步长优化算法对数据进行离散化优化；然后将选取的最优数据属性子集作为张量的属性，构建一个稀疏张量；最后使用基于张量分解的张量补全方法，对稀疏张量进行补全，得到一个稠密张量；将该稠密张量与原始不完整日志数据结合，得到一个完整的日志数据集。
-
公开(公告)号：CN107086929B
公开(公告)日：2019-12-13
申请号：CN201710247307.5
申请日：2017-04-16
申请人： 北京工业大学
IPC分类号： H04L12/24 , H04L12/861 , H04L12/26 , H04L29/08
摘要： 本发明公开了一种基于排队建模的批量流式计算系统性能保障方法，性能保障方法分为五个步骤，过程划分、组件选取、性能建模、延迟计算和瓶颈定位及优化。本方法针对批量流式计算系统在运行过程中负载强度具有明显波动性特征，抽取了批量流式计算系统中的关键组件，依据排队论理论构建系统的性能模型，并对模型进行数学解析；然后在系统运行过程中使用该模型计算不同负载强度下系统的数据处理延迟；在数据处理延迟无法满足数据处理时效性需求时，依据排队论原理定位性能瓶颈组件并给出优化配置建议。
-
公开(公告)号：CN110297715A
公开(公告)日：2019-10-01
申请号：CN201910592018.8
申请日：2019-07-02
申请人： 北京工业大学
IPC分类号： G06F9/50
摘要： 本发明公开了一种基于周期性特征分析的在线负载资源预测方法，在线负载资源预测方法分为三个步骤，资源序列周期识别、子序列分类、在线负载资源预测方法构建。本方法针对在线负载在运行过程中资源使用量具有明显的周期性特征，收集在线负载资源序列样本，对资源序列进行周期识别以及资源序列划分；其次，对于划分得到的子序列进行相似度计算并分类；然后，采用加权方式计算在线负载资源需求进行预测，本方法实现了基于周期性的在线负载资源预测。
-
公开(公告)号：CN109857593B
公开(公告)日：2020-08-28
申请号：CN201910056129.7
申请日：2019-01-21
申请人： 北京工业大学
IPC分类号： G06F11/14
摘要： 本发明公开一种数据中心日志中缺失数据的恢复方法，首先使用相关性分析方法发掘数据中心日志中不同数据属性的相关性，选取最优数据属性子集，并使用一个两阶段离散化步长优化算法对数据进行离散化优化；然后将选取的最优数据属性子集作为张量的属性，构建一个稀疏张量；最后使用基于张量分解的张量补全方法，对稀疏张量进行补全，得到一个稠密张量；将该稠密张量与原始不完整日志数据结合，得到一个完整的日志数据集。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.026 秒)
