基于深度学习的普适云服务迁移方法研究

针对目前对普适云及服务迁移相关的研究大多专注于迁移架构与迁移决策方面,缺少完善的上下文感知,对普适云环境下的服务迁移方法进行了研究。在前期OSGi弹性普适云设施的基础上,深入感知普适云的上下文,并采用深度学习网络LSTM进行节点可用资源的预测。以历史与预测的资源数据为支撑,分析普适云系统状态,制定合理的迁移决策。最终通过实验与分析验证资源预测的准确性以及服务迁移的有效性。