準確度的標準。平均方誤差(Mean square error) 的方程式如下:
W
i 為實際負載等級的情況。在本實驗中，除了本研究提出的預測方法，
也同時評估 NWS 所有預測方式的 MSE 值。由 於 NWS 的所有預測方式都只能預測下一個時 間片段的負載效能，故我們也同樣運用循序樣 式探勘的預測方式去預測下一個時間片段的負 載效能，並比較兩者的準確度差異。
表 4-2 所示為 CPU 的預測準確度所評估的結 果，在表中可以很明顯的看到我們的預測方式 的 MSE 比其它 NWS 的預測方式的 MSE 還要小 很多，證明了我們的預測方式的準確性是較高 的。其原因是我們的預測方式運用了資料探勘 的 觀 念 ， 去 搜 索 過 去 經 常 出 現 的 負 載 樣 式
（Pattern），而 NWS 的預測方式是沒有使用這 樣觀念，大多只能往前看幾個時間片段的效能 負載來做統計，並使用了 NWS 所提出的預測方 來去預測下一個時段的負載，這樣對未來的效 能預測其實是不足的。
表 4-2、CPU 負載預測的 MSE 統計
從表 4-2 中可觀察到 RUN_AVG 預測方式是最
差，其主要原因它是考慮從過去到現在的負載 平均做為預測基準。但是在過去的歷史資訊的 負載情況往往都是過時的，對於在預測上勢必 會造成較大的誤差。故之後為了解決此問題也 提出了 SW_AVG 預測方式做修正，依照滑動視 窗的方式往前看幾個 Step，以最近的負載資訊 做為預測基準以提升預測準確性。另外一面，
所觀察到 AR 預測方式也是較差的，其原因在 於 AR 的特性較適合預測負載波形是持續上升 或下降的情況，倘若負載波形的幅度變化趨向 較大時，AR 是無法及時做調整。而在 GRAD 預測方式可以改善此問題，依照負載波形趨向 來做適當的調整，以降低在預測時的誤差。目 前所觀察的六台資源中，在 Node_3 與 Node_4 所量測的 MSE 是最高的，原因在負載波形趨向 變化幅度較大並且較無規律性，因此對於各個 預測方式的所預測的結果誤差度相對也較大。
另外，Mining 的預測方式不僅能預測未一下 個時段的負載狀態，也能預測資源於未來一段 長時間（好幾個小時）內的連續負載樣式，如 表 4-3、4-4 所示。在實測負載樣本的 Chain-code 上，以隨機的方式找一個起始點的位址，然後 根據起始點分別去預測 3、5、10、20 小時內的 負載狀態，將預測出來的波形與實際的波形比 較統計出它們的 MSE。我們重複同樣的動作執 行了一百回合，然後將一百回合的 MSE 做加總 做平均。其結果顯示我們的方法所預測的結果 和實際的負載樣本誤差依然很小。故可以顯示 我們的方法確實可以比較準確地預測長時間的 資源負載樣式。
表 4-3、CPU N-Step 負載預測的 MSE 統計 Mining 3-Step 5-Step 10-Step 20-Step Node_1 0.35 1.45 2.13 2.23 Node_2 0.026 0.032 0.028 0.03 Node_3 0.32 3.33 2.92 8.74 Node_4 2.58 4.36 7.23 12.38 Node_5 0.11 0.18 0.36 0.37 Node_6 0.67 1.30 3.43 6.32
表 4-4、Bandwidth N-Step 負載預測的 MSE 統計
MINING 電機 電子 模具 機械 土木 成大
3-Step 0.22 0.23 0.1 0.21 0.26 0.18
5-Step 0.35 0.41 0.18 0.28 0.37 0.34
10-Step 0.43 0.48 0.35 0.58 0.38 0.51
20-Step 0.55 0.65 0.41 0.78 0.44 0.58
4.2 資源選擇效能的評估結果
表 4-6、工作需求表 chain-code，總共為 30x24x10%=72 個不同時間 點，最後以亂數方式產生不同等級負載量加入 至 chain-code。
表 4-7、測量 CASE 的雜訊分配表
CASE CPU 與 BW 負載雜訊百分比 工作扺達時間 1 CPU_noise0%、BW_noise0% 1、3、5 2 CPU_noise0%、BW_noise10% 1、3、5 3 CPU_noise0%、BW_noise20% 1、3、5 4 CPU_noise10%、BW_noise0% 1、3、5 5 CPU_noise10%、BW_noise10% 1、3、5 6 CPU_noise10%、BW_noise20% 1、3、5 7 CPU_noise20%、BW_noise0% 1、3、5 8 CPU_noise20%、BW_noise10% 1、3、5
9 CPU_noise20%、BW_noise20% 1、3、5
其在 CPU 與 BW 負載波中加入雜訊，主要
CPU_0_BW_0 -1.93% 9.07% 33.21% 15.37% 25.20% 44.12% 18.71% 25.45% 49.44%
CPU_0_BW_10 -1.93% 9.07% 33.21% 15.37% 25.20% 44.12% 26.97% 35.76% 63.00%
CPU_0_BW_20 -1.93% 9.07% 33.21% 15.37% 25.20% 44.12% 18.71% 25.45% 49.44%
SW GRAD Mining SW GRAD Mining SW GRAD Mining
Arrive1 Arrive3 Arrive5
表 4-9 的 Arrive3 和 Arrive5 的 CPU_10-BW_10%
以及 CPU_10-BW_20% case 呈現出改善幅度略 遜於 CPU_10-BW_0 的 case。可能的原因為 CPU 雜訊為 10%的 case 系列，其 Job 的網路傳輸需
表 4-9、CPU_10-BW_0、CPU_10-BW_10%、
CPU_10_BW_0 -3.01% 3.48% 27.57% 9.58% 17.97% 33.22% 20.09% 25.17% 52.34%
CPU_10_BW_10 1.20% 5.67% 29.86% 7.03% 12.73% 38.84% 4.55% 19.32% 46.84%
CPU_10_BW_20 1.20% 5.67% 29.86% 7.03% 12.73% 38.84% 4.55% 19.32% 46.84%
SW GRAD Mining SW GRAD Mining SW GRAD Mining
Arrive1 Arrive3 Arrive5
表 4-10、CPU_20-BW_0、
CPU_20_BW_0 -1.98% -1.76% 21.17% 5.00% 7.61% 28.88% 31.22% 27.68% 73.27%
CPU_20_BW_10 -1.98% -1.76% 21.17% 5.00% 7.61% 28.88% 31.22% 27.68% 73.27%
CPU_20_BW_20 -1.98% -1.76% 21.17% 5.00% 7.61% 28.88% 31.22% 27.68% 73.27%
SW GRAD Mining SW GRAD Mining SW GRAD Mining
Arrive1 Arrive3 Arrive5