由于租户对ECS实例(虚拟机,VM)请求的行为具有一定规律,可以通过对历史ECS实例请求的分析,预测到未来一段时间的ECS实例请求,然后对预测的请求分配资源,这样可以找到一个接近最优的分配策略,实现资源最大化利用,同时也能参考预测的结果制定云数据中心的建设计划。
赛题分为预测与分配两个部分。我们队伍初赛拿到杭夏赛区第十，复赛尽力了没能进决赛。
赛题给的练习数据虚拟机的申请量其实没什么规律可循，以下是1号虚拟机两个月的折线图
预测的难点：
- 数据无明显规律
- 噪点
- 特征信息少
数据去噪方面我们尝试了箱线图和Grubbs，效果还不错。对于异常值，我们采用的是填补均值、中位数等填补方式，而不是删除。原因是数据少的情况下，删除异常值会丢失精度，异常值往往是过高的值，我们对其进行平滑即可。实际尝试后也验证了这个想法，删除异常值会导致预测结果变差。
预测主要尝试了以下几个方法
这是天池口碑流量预测冠军的一个方法。简单思路是以常数去做回归，找到一个值在训练样本中的损失函数最小，将这个值作为接下来的待测天的预测值，这里的损失函数直接使用赛题给的损失函数即可。由于赛题给的数据量小，捕捉不到特别的特征，这个方法效果在比赛中虽然单模型最好，但没有思考出更多权重系数和优化的方法，比较遗憾。
效果较差，一、二、三次指数平滑中二次平滑的效果相对较好，数据不稳定使用指数平滑效果并不好，模型也不够健壮，主要在于调整平滑参数。我在实践中尝试对训练数据进行切分，使用 RMSE 去选取最好的平滑参数，结果有些许提升，但模型的适用性有限，效果并不太好。
自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model)，这是时序预测中比较常见的方法。在模型的使用过程中需要根据时间序列的自相关函数、偏自相关函数等对序列的平稳性进行判别；而对于非平稳序列一般都需要通过差分处理将其转换成平稳序列（ARIMA）；对得到的平稳序列进行建模以确定最佳模型（AR、MA、ARMA或者ARIMA）。
ARIMA 模型在预测中效果波动大，不同的差分值也对模型影响较大，对差分，p,q 系数进行一系列调整后，模型提升有限，最后没用采用。
既然每个虚拟机的规律性难以捕捉，那么我们换一个思路，去捕获所有需要预测的虚拟机申请量的走势，然后按照不同虚拟机历史的申请量比例进行分配。这样的思路在复赛尝试后能够一定程度提分。
其它尝试做法还有线性回归、取平均值、平移前预测周期等等。时间跨度太小，样本量也就过小，也就没有去尝试更复杂一点地机器学习模型，我们最后的预测采用的是不同模型的加权结果。
一开始使用了背包模型，后来使用了粒子群算法，提升明显。对于还资源利用率不满的物理机又进行了进一步填补操作，使得物理机资源利用率基本能达到比较高的分数，在预测不那么准的情况下，提升明显。复赛中出现三种物理机的情况，做法是按虚拟机的CPU和内存的比例进行物理机的分配即可。
这个比赛还是比较花时间的，题目给的练习数据和真正的线上评测数据相差较大，难度进一步提升，只能通过线上每天100次地不断提交反馈来进行修正。预测方面尝试了一些模型，但是对原始数据的处理不够细，应该更多地去思考原始数据层面的分析处理。分配方面由于使用了三维数组，导致空间比较大，线上运行会出现用例出错况。后来使用 Byte 去存储，也还是会出现问题，这对比赛结果也有一定影响。比赛后期，大部分队伍都开始针对虚拟机甚至用例进行参数调整，模型不够健壮的缺点就体现出来了，这样调整提升也变得些许无聊。预测部分能提升的还是很多的，没能进决赛还是有点遗憾，还要继续修炼。
- preliminary： 初赛代码
- sdk-java：复赛代码