一个基于深度学习的预测式云集群资源弹性伸缩方法.pdfVIP

小型微型计算机系统2025年3月第3期

DOI:10.20009/j.cnki.21-1106/TP.2024-0075

JournalofChineseComputerSystemsVol.46No.32025

一个基于深度学习的预测式云集群资源弹性伸缩方法

张文波，任翊鸣，张洋洋，朱宏博

（沈阳理工大学信息科学与工程学院，沈阳110159）

E-mail;zhangwenbo@yeah.net

摘要：随着算力网络中计算资源与虚拟化设备的广泛应用，在算力网络虚拟化中，针对云集群弹性伸缩策略基于阈值的响应

式触发过程中存在的弹性滞后问题，提出一种基于Transformer的预测式云集群资源弹性伸缩方法（PredictiveCloudClusterRe-

sourceElasticScalingMethodBasedonTransformer,Cloudformer）.该方法利用序列分解模块将云集群数据分解为趋势项和季节

项，趋势项采用双系数网络分别对输入空间预测的均值和方差进行归一化和反归一化，季节项采用融合傅里叶变换的频域自注

意力模型进行预测，并在模型训练过程中使用指数移动平均模型动态调整训练损失的误差范围.实验结果表明，对比最先进的

五种预测式弹性伸缩算法，本文所提出的方法在保持较低的模型训练和推理时间下，不同预测窗口单变量与多变量预测均方误

差分别降低了10.07%和10.01%

关键词：算力网络；云集群；弹性伸缩；Transformer；Cloudformer

中图分类号：TP393文献标识码：A文章编号：1000-1220(2025)03-0612-08

PredictiveElasticScalingMethodforCloudComputingResourcesBasedonDeepLearning

ZHANGWenbo,RENYiming,ZHANGYangyang,ZHUHongbo

(CollegeofInformationScienceandEngineering,ShenyangLigongUniversity,Shenyang110159,China)

Abstract:Withthewidespreaduseofcomputationalresourcesandvirtualizeddevicesinthecomputilitynetwork,inthecontextof

computilitynetworkvirtualization,apredictivecloudclusterresourceelasticscalingmethodbasedonTransformer(Cloudformer)is

proposedtoaddresstheelasticitylagissueinthereactivetriggeringprocessbasedonthresholdforelasticscalingstrategyincloud

clusters.Thisapproachutilizesthesequencedecompositionmoduletodecomposecloudclusterdataintotrendandseasonalcompo-

nents.Thetrendcomponentnormalizesandreversesthemeanandvarianceoftheinputspacepredictionusingadualcoefficientnet-

work,whiletheseasonalcomponentusesafrequencydomainself-attentionmodelfusedwithFouriertransformforprediction.During

themodeltrainingprocess,it