《表1 实验作业的基本属性》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于时序相关性的云平台多负载序列联合预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

采用Google trace dataset进行验证，验证所提方法能有效消除原始序列中的噪声和冗余信息，捕捉时序特征性．该数据集是Google数据中心公开的2011年5月期间的监控日志，记录了多个计算节点29天的运行情况，包括约672 074个作业，2 600万个任务[14]．实验数据从数据集前3天的日志数据中分别随机选择两类负载:周期性变化作业和非周期性变化作业．限于篇幅，不失一般性，分别从周期性作业和非周期性作业中均任意选择一个作业（周期性作业ID:17109330，非周期性作业ID:6280685099），2个作业具有的任务数和运行长度如表1所示．由于监控中心是每5 min作为一个采样间隔，故将采样的点数作为该任务的运行长度．