软件学报

作者：徐海洋，刘海龙，陈先，王磊，金轲，侯舒峰，李战怀

单位：徐海洋，西北工业大学 计算机学院, 陕西 西安 710100;大数据存储与管理工业和信息化部重点实验室 (西北工业大学), 陕西 西安 710100;西安中兴新软件有限责任公司, 陕西 西安 71010011,刘海龙，西北工业大学 计算机学院, 陕西 西安 710100;大数据存储与管理工业和信息化部重点实验室 (西北工业大学), 陕西 西安 71010002,陈先，西北工业大学 计算机学院, 陕西 西安 710100;大数据存储与管理工业和信息化部重点实验室 (西北工业大学), 陕西 西安 71010003,王磊，西北工业大学 计算机学院, 陕西 西安 710100;大数据存储与管理工业和信息化部重点实验室 (西北工业大学), 陕西 西安 71010004,金轲，西北工业大学 计算机学院, 陕西 西安 710100;大数据存储与管理工业和信息化部重点实验室 (西北工业大学), 陕西 西安 71010005,侯舒峰，西北工业大学 计算机学院, 陕西 西安 710100;大数据存储与管理工业和信息化部重点实验室 (西北工业大学), 陕西 西安 71010006,李战怀，西北工业大学 计算机学院, 陕西 西安 710100;大数据存储与管理工业和信息化部重点实验室 (西北工业大学), 陕西 西安 71010007

关键词：多租户数据库;资源管理;资源预测;弹性伸缩

基金：国家重点研发计划(2023YFB4503600); 国家自然科学基金(62172335); CCF-华为胡杨林基金(CCF-HuaweiDBIR0004B)

云环境下的多租户数据库重要特性之一是可伸缩性, 然而大部分的弹性伸缩技术难以针对复杂变化的负载进行有效的伸缩决策. 若能提前预测负载变化, 则能够准确地调整资源供给. 鉴于此, 提出了基于内存负载预测的多租户数据库弹性伸缩方法, 包括一种组合负载预测模型和一种弹性伸缩策略. 组合负载预测模型融合了卷积神经网络、长短期记忆网络和门控循环单元的优势, 可以比较精确地预测数据库集群内存负载需求; 弹性伸缩策略基于需求预测结果, 调整虚拟机数目, 保证资源供应处于合理范围. 与现有方法对比, 所提出的模型预测误差降低了8.7%–21.8%, 预测拟合度提高了4.6%. 在此基础上, 改进了贝叶斯优化算法, 用于该模型超参数调优, 解决了贝叶斯优化在离散解、连续解的组合域中效果较差的问题, 误差指标值降低了20%以上, 拟合度提高了1.04%. 实验结果表明, 与Kubernetes中应用最广泛的伸缩策略相比, 所提出的弹性伸缩方法避免了弹性伸缩的滞后性与资源浪费, 响应时间降低了8.12%, 延迟降低了9.56%.

来源：2025年第3期

《软件学报》期刊编辑部

查看软件学报杂志2025年第3期