-
题名基于无服务器计算的容器预热调度预测方法
- 1
-
-
作者
李进峰
索强
刘奇远
-
机构
上海望繁信科技有限公司
-
出处
《计算机应用文摘》
2025年第5期91-93,共3页
-
文摘
无服务器计算因能够按需灵活扩展而受到欢迎,但在启动时加载代码和数据会引发延迟。为了解决这一问题,文章提出了一种LSTM-NB深度学习算法,通过合理分配任务提高容器的重用率,并利用深度学习预测未来的调用,主动预热或移除容器,从而减少延迟和资源浪费。实验结果表明,该方法比现有模型更为有效。
-
关键词
深度学习
人工智能
LSTM
调度优化
-
Keywords
deep learning
artificial intelligence
LSTM
scheduling optimization
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种基于深度学习的异常日志检测方法
- 2
-
-
作者
李进峰
索强
任舟
-
机构
上海望繁信科技有限公司
-
出处
《电脑编程技巧与维护》
2025年第3期133-135,共3页
-
文摘
系统日志用于记录信息系统的运行状况,可为检测系统异常提供数据支撑。目前常见的日志异常检测研究通过建立模型,将历史日志视作自然语言进行处理,通过学习其正常模式,将异常视为对正常模式的偏离。然而,现有方法只关注序列和量化信息,而忽略了其他因素,导致异常检测效果不佳。提出一种基于注意力机制的双向长短期记忆网络(Bi-LSTM)模型来实现对日志异常的自动检测,为证明模型的效果,在公共生产日志数据集上与常用的方法进行了对比。实验结果表明,提出的方法在异常检测中的各项效果指标均优于比较的方法。
-
关键词
异常检测
深度学习
人工智能
长短期记忆网络
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于大数据业务的企业流程建模与优化研究
- 3
-
-
作者
李进峰
索强
刘奇远
-
机构
上海望繁信科技有限公司
-
出处
《微型计算机》
2025年第2期34-36,共3页
-
文摘
业务流程管理(BPM)是建模业务流程的重要工具,但在处理大数据业务时存在局限。目前的做法是将大数据任务手动拆分成多个小任务,这不仅对非专业用户不友好,还导致流程难以标准化和重用,降低了效率。同时,大数据的整合虽然为BPM增添了灵活性,却也因其高资源消耗和低执行效率加重了流程引擎的计算开销。为解决这些问题,文章通过扩展BPMN2.0规范,引入了“大数据服务任务”的新元素,并设计了适应大数据技术的调度策略,包括针对单一和密集型大数据任务的调度决策,这些方法可显著提高业务流程的效率和资源利用率。
-
关键词
大数据
业务流程管理
业务流程建模
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名一种在云虚拟机上动态优化容器部署的优化算法
- 4
-
-
作者
李进峰
索强
潘彦
-
机构
上海望繁信科技有限公司
-
出处
《电脑知识与技术》
2024年第27期48-51,65,共5页
-
文摘
微服务架构的优势在于它提供了更高的灵活性和可扩展性,允许独立部署、快速迭代和故障隔离,从而加速了开发过程并提高了系统的可靠性。为了降低企业使用云服务资源的成本,文章提出了一种容器资源优化调度算法,旨在有效地将微服务请求路由到容器中,并将容器运行在合理的云虚拟机中,从而减少活跃云虚拟机的数量。仿真实验结果表明,在每分钟21 000个请求量时,仅需开启44台4核8G内存的虚拟机,且容器的资源利用率达到了96%;通过与Spread算法相比,该算法所使用的容器数量可节约11.1%~15.36%,并将活跃虚拟机的数量减少10.12%~15.25%;与First-Fit和Best-Fit算法相比,容器数量可节约6.91%~10.41%,活跃虚拟机的数量减少的幅度在6.14%~8.91%之间。
-
关键词
云计算
微服务
容器
优化算法
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
