基于状态感知的desktop的CPU负载预测方法与流程

本发明涉及cpu负载预测
技术领域：
，具体地，涉及一种基于状态感知的desktop的cpu负载预测方法。
背景技术：
：随着云计算的发展，越来越多的企业会选择把应用部署在云环境上。但是，租赁大量服务器会带来很大的经济负担。同时，企业内部会有很多资源负载不充分的desktop。利用这些desktop来构建一个私有云是很有意义的。不同于服务器，desktop可能会被用户使用，用户可能随时启动或关闭任意的应用程序。用户行为的不可预测性导致desktop的资源是很难预测的。资源预测在云环境的任务调度方面很关键。不准确的资源预测会增加任务重新调度的次数，从而增加系统负担。在计算机资源类型中，计算资源是由cpu负载来表示的，对计算资源的预测在云计算中是很重要的。目前cpu负载的预测算法都是针对服务器主机的，没有针对desktop的cpu负载的预测算法。由于desktop的动态性，不能直接把之前用于服务器的cpu预测算法应用于desktop上。由于现有算法不能直接应用于动态性更强的desktop，而用户行为会直接影响到cpu负载，不同的用户行为对cpu负载程度又不同，若想利用desktop来搭建私有云，准确预测desktop的cpu负载是很重要的。因此，如何提供一种基于desktop的cpu负载预测策略，成为本领域亟待解决的问题。目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。技术实现要素：本发明针对现有技术中cpu预测算法的不足的问题，提出了一种基于状态感知的desktop的cpu负载预测方法，该方法根据desktop不同的状态选择不同的预测算法对cpu负载进行预测，提高了cpu的预测准确率。本发明是通过以下技术方案实现的。一种基于状态感知的desktop的cpu负载预测方法，根据用户行为和cpu负载的变化趋势对desktop的状态划分为突变状态，空闲状态和正常状态，并针对desktop的状态，对cpu负载进行如下预测：-当desktop处于突变状态时，根据应用程序启动或关闭时对cpu负载的影响的历史信息预测该应用程序启动或关闭对cpu负载的影响，进而预测当前cpu负载；-当desktop处于空闲状态时，预测下一个时间点的cpu负载等效于当前时间点的cpu负载；-当desktop处于正常状态时，采用自回归模型预测当前cpu负载。优选地，当应用程序被启动或者关闭时，cpu负载将发生剧烈改变，此时desktop处于突变状态；当用户屏幕已锁且cpu负载变化缓慢时，desktop被认为目前不被用户使用，此时desktop处于空闲状态；当desktop既不处于突变状态也不处于空闲状态时，desktop被认为处于正常状态。优选地，当一个应用程序多次启动或关闭时，将该应用程序对cpu负载的影响求平均值并存储在内存中，作为该应用程序启动或关闭时对cpu负载的影响的历史信息；当该应用程序再次启动或关闭时，从内存中读取该应用程序对cpu负载影响的平均值，用于预测当前cpu负载。优选地，当desktop处于正常状态时，采用自回归模型预测cpu负载的方法，包括如下步骤：设自回归模型的数学表达式为：pt＝φ1vt-1+φ2vt-2+...+φpvt-p+et其中，p表示使用多少个观测值进行预测，pt表示对第t个时间点cpu负载的预测值，vt-1表示第t-1个时间点cpu负载的观测值，φ1,φ2,...,φp表示权重参数，et表示白噪声；在p给定的情况下，权重参数根据yule-walker方程进行拟合；基于权重参数，并根据cpu负载的历史观测值，对当前cpu负载进行预测。本发明提供的一种基于状态感知的desktop的cpu负载预测方法，将desktop的状态划分为三种状态：突变状态、空闲状态和正常状态；desktop的cpu负载因状态的不同而有不同的特点，当desktop处于不同的状态时，本方法通过选择不同的预测方法来预测当前cpu负载，从而提高了cpu负载的预测准确率。与现有技术相比，本发明具有如下的有益效果：本发明根据用户行为和cpu负载的变化趋势，对desktop的状态进行划分，并根据desktop不同状态下的cpu负载的不同特点，选择合适的预测算法进行cpu负载预测，从而提高了cpu负载的预测准确率。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：图1为同一个应用程序多次启动对cpu负载的影响图；图2为同一个应用程序多次关闭对cpu负载的影响图。具体实施方式下面对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。实施例本实施例提供了一种基于状态感知的desktop的cpu负载预测方法，该方法根据用户行为和cpu负载的变化趋势把desktop的状态分为三种情况：突变状态、空闲状态和正常状态。突变状态是指当用户启动或关闭一个应用程序时desktop的状态。当应用程序被启动或者关闭时，cpu负载会发生剧烈变化，因此称desktop在这种情况下处于突变状态。当desktop处于突变状态时，首先判断是哪种应用程序在启动或关闭，然后根据这种应用程序启动或关闭时对cpu负载的影响的历史信息来预测这个启动或关闭对cpu负载的影响。因为同一个应用程序在同一个desktop上启动或关闭时需要的计算资源时几乎相同的，因此根据应用程序对cpu负载的历史影响可以准确预测cpu负载。空闲状态是指desktop目前不被用户使用，判断依据是用户屏幕已锁且cpu负载变化缓慢。处于空闲状态的desktop的cpu负载变化缓慢，因此，直接预测下一个时间点的cpu负载就等于当前时间点的cpu负载。当desktop既不处于突变状态也不处于空闲状态时，desktop被认为处于正常状态。此时使用自回归模型来预测desktop的cpu负载。下面结合附图对本实施例进一步描述。本实施例提供的方法，认为应用程序启动或关闭时desktop处于突变状态。当desktop处于突变状态时，本实施例根据应用程序对cpu负载影响的历史信息来预测cpu负载。例如，如图1所示，一个应用程序四次启动对cpu负载的影响几乎是相同的。此时把这个应用程序对cpu负载影响求平均值存储在内存中。当这个应用再启动时，直接从内存中读取这个应用程序对cpu负载影响的平均值用于预测cpu负载。图2显示了一个应用程序四次启动对cpu负载的影响。与应用程序启动一样，应用程序的关闭对cpu负载的影响也几乎是一样的。本实施例提供的方法，认为desktop锁屏且cpu变化缓慢的状态为空闲状态。表1显示了desktop处于空闲状态时的统计数据。如表1所示，当desktop处于空闲状态时，cpu负载很低且标准差很小。因此，此状态下直接使用当前时间点的cpu负载来预测下一个时间点的cpu负载。表1为desktop处于空闲状态时cpu负载的统计信息：cpu负载范围百分比≤5％98.859％5％～10％0.628％＞10％0.513％cpu负载平均值0.199％cpu负载标准差1.355％本实施例提供的方法，认为desktop既不处于突变状态也不处于空闲状态时desktop就是处于正常状态。当desktop处于正常状态时，采用自回归模型(autoregressionmodel)来预测cpu负载。自回归模型的数学表达式为：pt＝φ1vt-1+φ2vt-2+...+φpvt-p+et其中，p表示使用多少个观测值进行预测，pt表示对第t个时间点cpu负载的预测值，vt-1表示第t-1个时间点cpu负载的观测值，φ1,φ2,...,φp表示权重参数，et表示白噪声。在p给定的情况下，权重参数可以根据yule-walker(尤尔一沃克)方程来拟合。有了权重参数，并根据cpu负载的历史观测值，对当前cpu负载进行预测。yule-walker方程可以参考文献《(美)johng.proakis等著.数字信号处理(第四版).方艳梅等译.北京：电子工业出版社，2007》中提供的yule-walker技术。以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。当前第1页12