Анализ подходов к решению задачи прогнозирования загрузки системы хранения данных

Abstract

Система хранения данных представляет собой комплексное программно-аппаратное решение по организации надёжного хранения информационных ресурсов, а также отказоустойчивого, высокопроизводительного доступа к данным. Автоматизация управления системой хранения данных повысит доступность данных и скорость работы системы, что позволит обеспечить стабильную производительность и непрерывность рабочих процессов. Целью статьи является обзор и выбор методов машинного обучения, наиболее подходящих для решения задачи прогнозирования загрузки системы хранения данных. Наблюдения заполнения томов системы по своей сути являются временным рядом. Следовательно, проблему прогнозирования загрузки можно интерпретировать как проблему прогнозирования временного ряда. Для дальнейшей разработки алгоритма прогнозирования рассмотрены наиболее популярные статистические и структурные модели, а именно регрессия, авторегрессия и нейронные сети, выделены достоинства и недостатки каждого подхода.

Keywords

• прогнозирование временных рядов, машинное обучение, регрессия, авторегрессия, искусственные нейронные сети