面向大规模服务性能预测的在线学习方法

作     者：孙勇 谭文安 谢娜 蒋文明 SUN Yong;TAN Wen'an;XIE Na;JIANG Wenming

作者机构：南京航空航天大学计算机科学与技术学院南京211106 滁州学院地理信息科学系安徽滁州239000 上海第二工业大学计算机与信息学院上海201029 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2017年第11卷第12期

页      面：1922-1930页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金Nos.61672022 61272036 安徽省高等学校自然科学基金No.KJ2017A414~~ 

主　　题：大规模服务计算 在线学习 小批量在线学习 随机梯度下降法 

摘      要：为提高服务运行质量,需要主动预防服务失效和服务性能波动,而不是在服务发生错误时触发处理程序。高效地预测与分析大规模服务的性能是有效可行的主动预防工具。然而传统的服务性能预测模型多采用完全批量训练模式,难以满足大规模服务计算的实时性要求。在综合权衡完全批量学习法和随机梯度下降法的基础上,建立了基于在线学习的大规模服务性能预测模型,提出了一种基于小批量在线学习的服务性能预测方法,通过合理地设置预测模型的批量参数,一次迭代仅需训练批量规模较小的样本数据,从而改善大规模服务性能预测的时间效率;详细分析了在线服务预测模型的收敛性。实验表明,提出的在线学习算法有效地解决了大规模服务预测算法的时效性问题。