[发明专利]基于随机森林回归的虚拟机性能预测方法

权利要求书

1.一种基于随机森林回归的虚拟机性能预测方法，其特征在于，包括以下步骤：

S1：根据待预测的虚拟化环境的资源特点，从底层硬件特征、虚拟机软件特征、虚拟机资源配置特征、虚拟机运行时环境特征四个方面提取可能影响虚拟机性能的特征，记所提取到的虚拟机性能特征数量为F；

S2：根据步骤S1中各虚拟机性能特征的可能取值，配置得到一组不同虚拟机性能特征组合的虚拟机，记虚拟机数量为N；根据虚拟机上待运行的应用类型选取一组基准测试程序，分别在每一台虚拟机上运行基准测试程序，记录预设的性能指标的数值，得到由N台虚拟机的数据D_n＝(X_n,Y_n)构成的数据样本集D，其中X_n＝(x_n,1,x_n,2,…,x_n,F)表示第n台虚拟机的虚拟机性能特征，x_n,i表示第n台虚拟机中第i个虚拟机性能特征x_i的取值，Y_n表示第n台虚拟机X_n对应的性能指标值，i＝1,2,…,F，n＝1,2,…,N；

S3：根据步骤S2得到的数据样本集D构建随机森林回归模型，其具体方法为：

S3.1：令决策树序号t＝1；

S3.2：从步骤S2得到的数据样本集D中，采用Bootstrap方法有放回地多次随机采样，抽取γ×N个数据样本作为第t棵决策树的训练集S(t)，γ的取值范围为0＜γ≤1；

S3.3：令决策树深度d＝1，将S(t)作为根节点的样本集合，根节点对应的性能指标值为根节点样本集合中所有样本的性能指标平均值；

S3.4：如果第t棵决策树的深度d＝T_d，T_d表示决策树深度最大值，本决策树训练完毕，进入步骤S3.8，否则进入步骤S3.5；

S3.5：对第d层的每个节点，依次按照以下方法进行节点切分：

记节点的样本集合为S，如果样本集合中的样本数目小于预设阈值T_S，则本节点作为叶子节点，不再切分，否则从F维虚拟机性能特征中无放回地随机选取f维特征构成集合P，f的取值范围为1≤f≤F；对于虚拟机性能特征集合P中的每个特征x_j，分别选取K个切分点λ_j(k)，k＝1,2,…,K，K表示切分点数量；根据如下公式计算出节点样本集合S中以特征x_j和切分点λ_j(k)进行切分时的加权方差M(j,k)：

其中，R₁(j,k)表示节点样本集合S中切分特征x_j的取值小于等于λ_j(k)的样本集合，R₂(j,k)表示节点样本集合S中切分特征x_j的取值大于λ_j(k)的样本集合，Q₁和Q₂分别表示R₁(j,k)和R₂(j,k)中样本数量，c₁和c₂分别表示R₁(j,k)和R₂(j,k)中所有样本的性能指标平均值；

筛选出最小加权方差，如果最小加权方差小于设定的最小切分阈值T_λ，则本节点作为叶子节点，不再切分，否则选择最小加权方差对应的特征和切分点作为本节点的切分特征和切分点，将节点样本集合S中切分特征的取值小于等于的样本划分至左子节点，大于的样本划分至右子节点，子节点对应的性能指标值为子节点样本集合中所有样本的性能指标平均值；

S3.6：如果第d层的每个节点均为叶子节点，本决策树训练完毕，进入步骤S3.8，否则进入步骤S3.7；

S3.7：令d＝d+1，返回步骤S3.4；

S3.8：如果t＜T_t，T_t表示随机森林回归模型中决策树的数量，进入步骤S3.9，否则随机森林回归模型构建完毕；

S3.9：令t＝t+1，返回步骤S3.2；

S4：对于待预测性能的虚拟机X′＝(x′₁,x′₂,…,x′_F)，分别采用随机森林回归模型中的T_t个决策树预测得到T_t个性能预测值，平均后得到该虚拟机的性能预测值，每个决策树预测的方法为：将虚拟机X′的性能特征矢量(x′₁,x′₂,…,x′_F)输入决策树的根节点，根据该节点的切分特征和切分点将虚拟机X′划分入相应子节点，以此类推直到到达某个叶子节点，以该叶子节点对应的性能指标值作为采用该决策树得到的性能预测值。

2.根据权利要求1所述的虚拟机性能预测方法，其特征在于，所述步骤S3.5中最小切分阈值T_λ的取值范围为T_λ≤0.01。