大规模分布式电商集群的鲁棒性流量预测研究
流量预测是容量调整、提高资源利用率的重要方法。传统的流量预测方法一直关注于预测精确度,却不能保证实际生产中容量规划的鲁棒性,因为生产环境会遇到很多突发事件,如在线促销、集群故障。
本文在时间序列预测技术和神经网络不确定性研究基础上,为解决服务质量与资源利用率之间冲突,提出了一个鲁棒的流量预测算法。该算法能够对未来流量的准确值和不确定性区间同时进行预测。
本文主要研究内容:1.分析了时间序列预测技术。2.研究了不确定性区间估计方法,本文给出一种不确定性区间的计算方法,另外提出了三个评估指标来评估区间。
实验结果表明,我们的算法取得了很好的预测准确度与区间估计效果,还对异常情境有很强的鲁棒性。该算法为容量规划、异常检测提供了传统预测不具备的参考价值。