计算机工程

作者：杨定裕, 邓喻丰, 钱诗友, 曹健, 薛广涛

单位：1. 阿里巴巴集团技术风险与效能部, 浙江 杭州 3100002. 上海交通大学计算机科学与工程系, 上海 200240

关键词：云计算,云数据库产品,时间序列,成分分解,多模态

基金：国家自然科学基金面上项目(62072301)

云数据库技术以其灵活扩展、易于管理、按需收费等特点得到了广泛应用。业务方通常根据自身应用场景和实际需求选择云数据库产品, 而服务提供商确定产品中不同类型资源(如计算资源和存储资源的用量)来满足业务方的业务需求。云产品用量的准确预测对于提升资源使用效率、降低运营成本、保障服务质量(QoS)至关重要。然而, 云数据库产品用量预测场景复杂, 用量序列通常由存在复杂纠缠的多个成分组成, 并且不同业务方在不同云产品及计费项下的行为特征差异较大, 这对用量预测提出了巨大的挑战。针对这一难题, 提出一种基于成分分解和多模态融合的云数据库产品用量预测模型。该模型对存在复杂纠缠的时间序列进行成分分解, 融合多模态需求数据, 构建需求趋势与用量趋势之间的映射关系, 并通过自动调节成分的权重参数以获得准确的预测结果, 同时使用阿里云计算服务商的4个主要云数据库产品的真实生产数据进行预测效果评估, 并与5种预测算法进行性能比较。通过分析平均绝对百分比误差(MAPE)等评估指标, 实验结果表明, 该预测模型在4个云数据库产品中都有不同程度的预测准确率提升, 约18.6%~51.8%, 能更好地适用于云数据库产品用量预测场景, 有助于云服务提供商进行更准确的资源容量规划。

来源：2026年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第3期