基于流量预测的日志写入方法

摘要

为了解决校园网络日志存储中流量变化导致的机械硬盘平均访问时间长、波动大的问题,设计了一种通过流量预测进行日志写入的方法.首先,提出流量定界算法对流量进行划分为高峰期、中间期与低谷期.然后,利用BP神经网络对不同时期的流量数据进行训练,构建流量预测模型.最后,基于流量预测模型,设计日志存储算法.实验结果表明:与已有的日志写入方法相比较,基于流量预测的日志写入方法在流量高峰期时机械硬盘的平均访问时间从90ms减小至59ms以下,同时,平均访问时间的方差从224.5降至50.2.