基于逻辑回归的数据中心网络流量预测

doi:10.11772/j.issn.1001-9081.2023050667

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (S2): 152-156.DOI: 10.11772/j.issn.1001-9081.2023050667

• 网络与通信 • 上一篇

基于逻辑回归的数据中心网络流量预测

万欣¹(), 黄翔², 王甫志¹

^1.国能大渡河大数据服务有限公司，成都 610000
^2.国能大渡河流域水电开发有限公司，成都 610000

收稿日期:2023-06-01 修回日期:2023-07-03 接受日期:2023-07-11 发布日期:2024-01-09 出版日期:2023-12-31
通讯作者: 万欣
作者简介:万欣（1983—），男，四川乐山人，高级工程师，主要研究方向：水电设备技术与管理、智慧企业建设
黄翔（1980—），男，四川荥经人，高级工程师，博士，主要研究方向：水电环保管理、智慧企业建设
王甫志（1982—），男，湖北随州人，高级工程师，硕士，主要研究方向：梯级水电站经济运行、生产运营管理、水情与电力数据分析挖掘。

Data center network traffic prediction based on logistic regression

Xin WAN¹(), Xiang HUANG², Fuzhi WANG¹

^1.Guoneng Dadu River Big Data Service Company Limited，Chengdu Sichuan 610000，China
^2.Dadu River Hydropower Development Company Limited，Chengdu Sichuan 610000，China

Received:2023-06-01 Revised:2023-07-03 Accepted:2023-07-11 Online:2024-01-09 Published:2023-12-31
Contact: Xin WAN

摘要/Abstract

摘要：

随着信息化发展，数据中心网络承载的通信量呈爆炸式增长，对网络带宽的需求不断增加。针对传统的网络流量预测模型精度较低和泛化能力较弱等问题，结合国能大渡河数据中心的实际情况，从时间序列预测层面，基于长期参数估计提出一种基于逻辑回归的网络流量预测方法。所提方法根据最大似然和误差相关准则得出精确解，并为数据中心实时资源分配提供指导。

关键词: 数据中心, 网络流量, 逻辑回归, 长期参数估计, 最大似然性, 误差相关准则

Abstract:

With the development of informatization, the traffic carried by data center network is exploding and the demand for network bandwidth is increasing. For the problems such as low accuracy and weak generalization ability of traditional network traffic prediction model, taking Guoneng Dadu River Data Center as an example, a network traffic prediction method was proposed based on long-term parameter estimation from a time series forecasting perspective. The proposed model can provide exact solutions based on maximum likelihood and error correlation criterion, and provide guidance for real-time resource allocation in data center.

Key words: data center, network traffic, logistic regression, long-term parameter estimation, maximum likelihood, error correlation criterion

中图分类号:

TP308

万欣, 黄翔, 王甫志. 基于逻辑回归的数据中心网络流量预测[J]. 计算机应用, 2023, 43(S2): 152-156.

Xin WAN, Xiang HUANG, Fuzhi WANG. Data center network traffic prediction based on logistic regression[J]. Journal of Computer Applications, 2023, 43(S2): 152-156.

图/表 7

参考文献 16

1	熊凡.遗传算法优化支持向量机的网络流量混沌预测［J］.现代电子技术，2018，41（18）：166-169. 10.16652/j.issn.1004-373x.2018.18.039
2	顾兆军，李冰，刘涛.基于PSO-Elman模型的网络流量预测［J］.现代电子技术，2019，42（1）： 82-86. 10.16652/j.issn.1004-373x.2019.01.019
3	俞雪华，熊相真，王志刚.基于ELM的非线性组合网络流量预测研究［J］.应用数学进展，2020，9（5）：782-790. 10.12677/AAM.2020.95093
4	杜秀丽，陶帆，范志宇，等. 面向骨干网流量的非线性组合预测方法［J］. 小型微型计算机系统. 2023， 44（2）： 408-412.
5	王跃文，常琳，李鸣.基于深度学习的矿井无线网络流量预测研究［J］.煤矿安全，2021，52（12）：153-158，164.
6	宋元隆，吕光宏，王桂芝，等.基于图卷积神经网络的SDN网络流量预测［J］.计算机科学，2021，48（6A）：392-397. 10.11896/jsjkx.200800090
7	严伯伦，谢红刚，杨明.微气象分析与载流量预测结合的动态线路增容方法［J］.电力系统及其自动化学报，2022，34（12）：137-144.
8	KYRIAKOPOULOS C A， NICOPOLITIDIS P， PAPADIMITRIOU G， et al. Exploiting IP‐layer traffic prediction analytics to allocate spectrum resources using swarm intelligence ［J］. International Journal of Communication Systems， 2020， 33（14）： 21-23. 10.1002/dac.4516
9	BHAUMIK P， ZHANG S， CHOWDHURY P， et al. Software-Defined Optical Networks （SDONs）： a survey ［J］. Photonic Network Communications， 2014， 5（1）： 37-42. 10.1007/s11107-014-0451-5
10	李文信，齐恒，徐仁海，等.数据中心网络流量调度的研究进展与趋势［J］.计算机学报，2020，43（4）：600-617. 10.11897/SP.J.1016.2020.00600
11	庄怀东.基于SDN的数据中心网络流量调度与负载均衡研究［D］. 南京：南京航空航天大学，2016：1-10.
12	BALDAN F J， RAMIREZ-GALLEGO S， BERGMEIR C， et al. A forecasting methodology for workload forecasting in cloud systems［J］. IEEE Transactions on Cloud Computing， 2018， 6（4）： 929-941. 10.1109/tcc.2016.2586064
13	ISSA M B， DARAGHMEH M， JARARWEH Y， et al. Using logistic regression to improve virtual machines management in cloud computing systems ［C］// Proceedings of the 2017 IEEE 14th International Conference on Mobile Ad Hoc and Sensor Systems. Piscataway： IEEE， 2017： 628-635. 10.1109/mass.2017.86
14	ADEGBOYEGA A. Time-series models for cloud workload prediction： a comparison ［C］// Proceedings of the 2017 IFIP/IEEE Symposium on Integrated Network and Service Management. Piscataway： IEEE， 2017： 298-307. 10.23919/inm.2017.7987292
15	GU Q， WANG G， FAN R， et al. Optimal resource allocation in wireless powered relay networks with nonlinear energy harvesters ［J］. IEEE Wireless Communications Letters， 2020， 9（3）： 371-375. 10.1109/lwc.2019.2955696
16	KAYABOL K. Approximate sparse multinomial logistic regression for classification ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2020， 42（2）： 490-493. 10.1109/tpami.2019.2904062

CPU核数	作业数	作业运行机时/h	占总作业运行机时比/%
［1，8］	505 407	172.24	0.72
［9，16］	6 841	102.44	0.43
［17，32］	14 104	308.11	1.29
［33，64］	105 984	2 944.31	12.33
［65，128］	75 227	5 402.72	22.63
［129，256］	18 031	3 270.13	13.69
［257，512］	4 217	3 410.79	14.28
［513，1 024］	1 367	1 776.93	7.44
［1 025，2 048］	467	1 701.15	7.12
［2 049，4 096］	360	1 267.11	5.31
［4 097，8 192］	158	2 998.97	12.56
［8 193，16 384］	6	1.14	0.00

CPU核数	作业数	作业运行机时/h	占总作业运行机时比/%
［1，8］	505 407	172.24	0.72
［9，16］	6 841	102.44	0.43
［17，32］	14 104	308.11	1.29
［33，64］	105 984	2 944.31	12.33
［65，128］	75 227	5 402.72	22.63
［129，256］	18 031	3 270.13	13.69
［257，512］	4 217	3 410.79	14.28
［513，1 024］	1 367	1 776.93	7.44
［1 025，2 048］	467	1 701.15	7.12
［2 049，4 096］	360	1 267.11	5.31
［4 097，8 192］	158	2 998.97	12.56
［8 193，16 384］	6	1.14	0.00

[1]	方和平, 刘曙光, 冉泳屹, 钟坤华. 基于深度强化学习的多数据中心一体化调度优化[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1884-1892.
[2]	代荣荣, 李宏慧, 付学良. 基于差分进化融合蚁群算法的数据中心流量调度机制[J]. 《计算机应用》唯一官方网站, 2022, 42(12): 3863-3869.
[3]	申明尧, 韩萌, 杜诗语, 孙蕊, 张春砚. 融合XGBoost和Multi-GRU的数据中心服务器能耗优化算法[J]. 《计算机应用》唯一官方网站, 2022, 42(1): 198-208.
[4]	蔡豪, 袁正道. 云数据中心基于贪心模式的虚拟机选择算法[J]. 计算机应用, 2020, 40(6): 1707-1713.
[5]	王雅萍, 张正军, 颜子寒, 金亚洲. 基于改进的迁移率模型的生物地理学优化算法[J]. 计算机应用, 2019, 39(9): 2511-2516.
[6]	李启锐, 彭志平, 崔得龙, 何杰光. 容器云环境虚拟资源配置策略的优化[J]. 计算机应用, 2019, 39(3): 784-789.
[7]	王鑫, 李可, 徐明君, 宁晨. 改进的基于深度学习的遥感图像分类算法[J]. 计算机应用, 2019, 39(2): 382-387.
[8]	蔺凯青, 李志华, 郭曙杰, 李双俐. 云环境中多目标优化的虚拟机放置算法[J]. 计算机应用, 2019, 39(12): 3597-3603.
[9]	冯文博, 洪征, 吴礼发, 付梦琳. 网络协议识别技术综述[J]. 计算机应用, 2019, 39(12): 3604-3614.
[10]	刘开南. 云数据中心基于贪心算法的虚拟机迁移策略[J]. 计算机应用, 2019, 39(11): 3333-3338.
[11]	沈学利, 覃淑娟. 基于SMOTE和深度信念网络的异常检测[J]. 计算机应用, 2018, 38(7): 1941-1945.
[12]	李双俐, 李志华, 喻新荣, 闫成雨. 基于负载不确定性的虚拟机整合方法[J]. 计算机应用, 2018, 38(6): 1658-1664.
[13]	王涛春, 刘婷婷, 刘申, 何国栋. 群智感知中的参与者信誉评估方案[J]. 计算机应用, 2018, 38(3): 753-757.
[14]	方圆, 李明, 王萍, 江兴何, 张信明. 基于混合卷积神经网络和循环神经网络的入侵检测模型[J]. 计算机应用, 2018, 38(10): 2903-2907.
[15]	赵春, 闫连山, 崔允贺, 邢焕来, 冯斌. 基于动态调整阈值的虚拟机迁移算法[J]. 计算机应用, 2017, 37(9): 2547-2550.

基于逻辑回归的数据中心网络流量预测

Data center network traffic prediction based on logistic regression

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 16

相关文章 15

编辑推荐

Metrics