SUFS: 存储资源使用量预测服务

线上沙龙-Paper Reading 第 6 期营业啦

06 月 27 日（周二）19:30

KaiwuDB-B 站直播间

本期论文>>《SUFS: A Generic Storage Usage Forecasting Service Through Adaptive Ensemble Learning》

论文提出了一个增强的 LSTM 神经网络和自适应的模型集成算法，为不同的存储系统提供统一的存储资源使用量预测服务，该方法的准确率在多个真实生产环境的存储系统中得到了验证。

存储系统是 IT 基础架构中不可或缺的组成部分，准确预测存储资源使用是提供稳定可靠的存储服务的有效关键手段。

用户在不同存储系统中的存储资源使用策略千差万别，常见的时间序列预测模型难以对资源使用量做出准确预测。这样会存在：

1. 若预测偏高，冗余的存储资源会造成不必要的开销；

2. 若预测偏低，存储资源短缺会面临数据无法写入甚至丢失的风险，导致服务不可用。

针对上述问题，本期直播我们邀请了 KaiwuDB 高级研发工程师孙路明博士为大家介绍《SUFS: 存储资源使用量预测服务》。孙博士毕业于中国人民大学，致力于研究人工智能技术驱动的数据库管理系统（AI4DB），在 SIGMOD、ICDE、TKDE 等数据库领域顶级国际会议和期刊发表多篇论文。

如果你想深入学习数据库系统智能运维存储资源预测模块的内容，那相信本次直播一定不会让你失望！

扫描下方二维码，B 站直播不迷路，6 月 27 日（周二）19:30，我们不见不散↓ ↓ ↓