[发明专利]一种基于双层注意力机制的云平台资源预测方法

说明书

本发明公开一种基于双层注意力机制的云平台资源预测方法，首先对云平台数据进行去噪、缺失数据填充、合并化、归一化预处理操作；将预处理后的数据分成训练集和测试集，分批导入基于双层注意力机制的神经网络进行有监督迭代训练，双层注意机制产生一个“注意力范围”后根据关注的区域来产生下一个输出，如此往复来获取不同历史阶段的不同程度的重要性，在输出部分通过与传统的自回归模型进行集成，防止非线性网络对输入变化不敏感带来的缺陷；当所选的loss函数足够小且趋于平稳后完成训练；使用测试集进行测试，选取MAE、MSE、MAPE等作为评价指标；本发明完成了多模型融合，克服了单模型预测性能差以及输入过长时容易被稀释的问题。

技术领域

本发明属于云平台资源技术领域，具体涉及一种基于双层注意力机制的云平台资源预测方法。

背景技术

云计算已经成为一种有效的方法，该方法对服务器、存储、应用程序以及应用服务等计算设施提供无处不在、按需的访问，随着近几年云计算的广泛普及和快速发展，云计算已经引起很多人的关注，并成为各大行业正在讨论的热门话题。

从互联网数据中心得到的数据获知，云计算的发展势头迅猛，开发潜力巨大，未来几年将产生超过千亿美元的价值。但与此同时，云数据中心资源的能源消耗特性以及由此造成的大气污染使人们越来越意识到要在更快时间上减少数据中心的碳足迹。在云数据中心中，供应商通常在处理用户工作负载时过渡提供资源级别，导致了大量未充分利用的资源，使得空闲服务器资源的比例增加，据统计在单个数据中约有46％的机器未充分利用。在2017年，IT行业在全球电力消耗上占7％，但预计到2030年，这一数据将达到13％以上。

基于此现状迫切需要开发能够节约数据中心能源支出的方法，不仅可以提高服务提供商的收入，减少运营成本，而且还可以减少它们对环境可持续性的影响。

目前云平台资源预测主要停留在单模型预测，未考虑到云工作负载表现出的长时间依赖性和动态变化特性，不足以进行有效预测，而且对于未知的工作负载模式，易出现预测性能差的问题。

发明内容

为克服现有技术的不足，本发明目的在于提供一种基于双层注意力机制的云平台资源预测方法，通过捕获数据间存在长期时间依赖性并选择相关的序列进行预测解决现有模型在输入过长时被稀释的问题。

为实现上述目的，本发明采用的技术方案是：

一种基于双层注意力机制的云平台资源预测方法，具体包括以下步骤；

步骤1：对云平台时间序列数据进行预处理操作；

步骤2：搭建基于双层注意力机制的编码器解码器预测网络；搭建的步骤为；

步骤21：搭建编解码器学习结构，对于时间序列预测，给定输入序列X＝(x₁，x₂，...，x_T)∈R^T，其中x_i表示在时刻i的负载数据，在此输入序列的情况下，编码器用于从x_T到h_t的映射学习公式如下：

h_t＝f₁(h_t-1，x_t)

其中h_t-1∈R_m是编码器在时间t的隐藏状态，m是隐藏状态的大小，f₁是非线性激活函数，x_t表示在时刻t的输入序列；

步骤22：在编码器输入部分加入特征注意机制自适应地捕获目标序列与每个局部特征之间的动态相关性，其公式表示如下：