[发明专利]基于价格预测的云计算服务资源动态调度方法及系统

权利要求书

1.基于价格预测的云计算服务资源动态调度方法，其特征是，包括：

实时提取多个云服务平台上的各种规格的竞价型实例数据；

使用所提取的竞价型实例数据训练回归预测模型，回归预测模型实时输出当前已租用竞价实例下一时刻的预测价格；

实时采集已租用竞价型实例的实际运行情况；

在已租用竞价型实例计费节点到达前，结合当前已租用竞价实例下一时刻的预测价格、当前已租用竞价实例实际运行情况和当前时刻的租赁情况，输出下一时刻云计算服务的租赁方案：

对下一时刻需要新增的实例进行提前租赁；

将需要删除的实例资源添加到删除列表中，在计费节点到达前进行删除；

将需要转移的实例资源添加到转移列表中，在计费节点到达前进行转移；

根据用户选择的租赁方案，对云计算服务资源进行动态调度。

2.如权利要求1所述的方法，其特征是，所述使用所提取的竞价型实例数据训练回归预测模型，包括：

使用有放回地抽样方式，从所提取的竞价型实例中随机选择n个样本作为训练样本；每条竞价型实例被看作一条数据，而竞价型实例的规格包括实例种类、实例所属地区和实例所载操作系统，所述竞价实例的规格被看作数据的属性；

使用随机选择出来的n个训练样本，训练kNN模型；

对随机选择出来的n个训练样本，从每个训练样本的数据属性中随机选择m个，用于训练CART回归树的特征属性；

将训练好的kNN模型和CART回归树并列连接组成一棵条件树；

随机选择训练样本，随机选择数据属性，训练条件树的过程重复p次，得到p棵条件树。

3.如权利要求1所述的方法，其特征是，所述回归预测模型实时输出当前已租用竞价实例下一时刻的预测价格；具体步骤包括：

对于待预测的竞价型实例，利用p棵条件树分别对其价格进行预测，将p棵条件树的预测结果的加权平均值作为最终预测结果。

4.如权利要求1所述的方法，其特征是，所述回归预测模型实时输出当前已租用竞价实例下一时刻的预测价格；具体步骤包括：

对于待预测的竞价型实例，判断其规格是否在当前条件树的训练样本中出现过：

若判定待预测的竞价型实例规格在训练数据中出现过，则使用条件树下的kNN子树预测其价格；

若判定待预测的竞价型实例规格没有在训练数据中出现过，则使用条件树下的CART子树预测其价格。

5.如权利要求1所述的方法，其特征是，所述结合当前已租用竞价实例下一时刻的预测价格、当前已租用竞价实例实际运行情况和当前时刻的租赁情况，输出下一时刻云计算服务的租赁方案；具体步骤包括：

对于即将到达计费节点的一个或多个已租用实例，根据当前租赁期中执行过的任务所需要的CPU核数及运行时间最大值计算负载R，所述租赁期是指从上一个计费节点到即将达到的计费节点之间的间隔；

在竞价型实例列表中，遍历不同的实例规格进行组合，将满足负载R的组合作为候选租赁方案放入候选集C中；

调用回归预测模型，预测候选集C中的各种租赁方案的价格；

从候选集C中选择价格最低的租赁方案进行输出，供用户选择；

如果当前竞价实例实际运行结束，则将需要删除的实例资源添加到删除列表中，在计费节点到达前进行删除；

如果当前竞价实例实际运行结束，将需要转移的实例资源添加到转移列表中，在计费节点到达前进行转移。