基于ARMA模型的云计算资源调度优化策略

"《基于ARMA模型预测的云计算资源调度策略研究》是一篇重庆大学在2016年由陈强完成的硕士学位论文，作者在计算机技术领域专注于解决云计算资源管理中的关键问题。论文针对云计算的快速发展和广泛应用背景，特别关注云计算资源调度策略，这是云计算服务性能优化的重要组成部分。 当前，随着云计算的普及，如何有效管理和分配计算资源成为亟待解决的问题。文章首先概述了云计算资源调度的现状和重要性，指出当前研究中主流策略的优缺点，如动态资源分配、虚拟机迁移等。然而，这些问题依然存在挑战，比如宿主机的开关机波动导致的资源利用率不均，以及虚拟机迁移决策的盲目性和任务响应时间较长。 为了克服这些问题，作者提出了一个创新的解决方案，即基于ARIMA（自回归积分滑动平均模型，ARMA模型的一种扩展）的时间序列预测方法。这个策略由两个主要模块构成：云资源负载预测模块和云资源调度控制模块。负载预测模块通过历史数据构建ARMA模型，预测数据中心或特定宿主机未来的负载趋势，提供实时的负载信息。调度控制模块则利用这些预测数据来优化资源分配，通过对实际负载与预测负载的差异分析，动态调整资源供需，减少波动，提高效率。 研究采用了开源云计算仿真平台CloudSim进行实验验证，结合商业数学软件进行数据分析，以确保策略的实用性和有效性。这篇论文不仅提升了云计算资源调度的科学性和准确性，也为云计算环境下的资源管理提供了新的理论支持和技术手段，对于推动云计算服务的稳定性和服务质量具有重要意义。"