Resumen

La red neuronal recurrente (RNN) se ha aplicado ampliamente a muchas tareas de etiquetado secuencial como el procesamiento del lenguaje natural (NLP) y el análisis de series temporales, y se ha demostrado que la RNN funciona bien en esas áreas. En este documento, proponemos utilizar RNN con unidades de memoria a corto y largo plazo (LSTM) para la predicción de carga y rendimiento del servidor. Los métodos clásicos de predicción de rendimiento se centran en establecer una relación entre el rendimiento y el dominio del tiempo, lo que conlleva muchas hipótesis poco realistas. Nuestro modelo se basa en eventos (solicitudes de usuario), que son la causa raíz del rendimiento del servidor. Predecimos el rendimiento de los servidores utilizando RNN-LSTM mediante el análisis del registro de los servidores en el centro de datos que contiene la secuencia de acceso de los usuarios. Trabajos anteriores de predicción de carga no podían generar una carga simulada detallada, lo cual es útil para probar las condiciones de

• Materias:Simulación dinámica Toma de decisiones Regresión lineal Cargas controladas Seguridad multimedia
• Subjects:Dynamic simulation Decision making Linear regression Controlled loads Multimedia safety
• Palabras claves:Red neuronal recurrente; RNN; Memoria a corto y largo plazo; LSTM; Predicción de carga del servidor; Predicción de rendimiento
• Keywords:Recurrent neural network; RNN; Long short-term memory; LSTM; Server load prediction; Performance prediction