头条 基于LSTM模型的智能服务治理方案研究与实践 为解决航空公司网站在访问量大幅波动时容易导致系统异常、难以快速进行治理的问题，以Spring Cloud微服务治理框架为基础，融入长短期记忆（LSTM）模型对系统指标进行分析与预测，结合云原生架构，提出了一种基于LSTM模型的智能服务治理方案。利用LSTM对历史指标数据进行训练并输出预测模型，实现对于指标的趋势预测；结合云原生基础设施，生成基于预测结果的主动式水平容器组自动伸缩器，实现资源预伸缩；根据指标预测结果与变化趋势自动下发与回收治理策略，实现智能化的流量治理。实践表明，该方案能根据模型预测结果提前做好资源扩缩容与服务治理，有效规避系统风险。 最新视频 CSMNT2016 & MAN2016明尼苏达大学的Terrence W. Simon教授：针对热传递方面的研究 CSMNT2016 & MAN2016明尼苏达大学的Terrence W. Simon教授：针对热传递方面的研究 发表于：8/8/2016 CSMNT2016 & MAN2016麻省理工学院的 Evelyn N. Wang教授：旨在提高热能转换效率的针对纳米领域表面特性的研究 CSMNT2016 & MAN2016麻省理工学院的 Evelyn N. Wang教授：旨在提高热能转换效率的针对纳米领域表面特性的研究 发表于：8/8/2016 CSMNT2016 & MAN2016普渡大学的Steve Wereley教授：其团队基于光电技术所进行的针对滴粒及粒子特性的研究 CSMNT2016 & MAN2016普渡大学的Steve Wereley教授：其团队基于光电技术所进行的针对滴粒及粒子特性的研究 发表于：8/8/2016 CSMNT2016 & MAN2016剑桥大学副校长Ian White教授：其团队在光通讯领域所进行的基于微纳技术的研究 CSMNT2016 & MAN2016剑桥大学副校长Ian White教授：其团队在光通讯领域所进行的基于微纳技术的研究 发表于：8/8/2016 CSMNT2016 & MAN2016中科院微电子所刘明院士：其团队在微纳领域的最新研究进展 CSMNT2016 & MAN2016中科院微电子所刘明院士：其团队在微纳领域的最新研究进展 发表于：8/8/2016 CSMNT2016 & MAN2016市场资讯公司Yole的 Takashi Onozawa先生：MEMS及传感器市场未来发展机会及挑战 CSMNT2016 & MAN2016市场资讯公司Yole的 Takashi Onozawa先生：MEMS及传感器市场未来发展机会及挑战 发表于：8/8/2016 CSMNT2016 & MAN2016乔治亚理工学院的Oliver Brand教授：基于谐振原理的高灵敏度的化学传感器的设计 CSMNT2016 & MAN2016乔治亚理工学院的Oliver Brand教授：基于谐振原理的高灵敏度的化学传感器的设计 发表于：8/8/2016 CSMNT2016 & MAN2016韩国科学技术院的Je-Kynn Park教授：其团队在微流控免疫测定方面的研究进展 CSMNT2016 & MAN2016韩国科学技术院的Je-Kynn Park教授：其团队在微流控免疫测定方面的研究进展 发表于：8/8/2016 CSMNT2016 & MAN2016苏黎世联邦理工学院的Andreas Hierlemann教授：其课题组基于高集成度CMOS微系统在神经元领域的研究 CSMNT2016 & MAN2016苏黎世联邦理工学院的Andreas Hierlemann教授：其课题组基于高集成度CMOS微系统在神经元领域的研究 发表于：8/8/2016 CSMNT2016 & MAN2016国弗赖堡大学的Ronand Zengerle教授：其团队在基于离心微流控技术在即时诊断领域所做的研究 CSMNT2016 & MAN2016国弗赖堡大学的Ronand Zengerle教授：其团队在基于离心微流控技术在即时诊断领域所做的研究 发表于：8/8/2016 «…13141516171819202122…»
