頭條 基于LSTM模型的智能服務治理方案研究與實踐 為解決航空公司網站在訪問量大幅波動時容易導致系統異常、難以快速進行治理的問題，以Spring Cloud微服務治理框架為基礎，融入長短期記憶（LSTM）模型對系統指標進行分析與預測，結合云原生架構，提出了一種基于LSTM模型的智能服務治理方案。利用LSTM對歷史指標數據進行訓練并輸出預測模型，實現對于指標的趨勢預測；結合云原生基礎設施，生成基于預測結果的主動式水平容器組自動伸縮器，實現資源預伸縮；根據指標預測結果與變化趨勢自動下發與回收治理策略，實現智能化的流量治理。實踐表明，該方案能根據模型預測結果提前做好資源擴縮容與服務治理，有效規避系統風險。 最新視頻 CSMNT2016 & MAN2016明尼蘇達大學的Terrence W. Simon教授：針對熱傳遞方面的研究 CSMNT2016 & MAN2016明尼蘇達大學的Terrence W. Simon教授：針對熱傳遞方面的研究 發表于：8/8/2016 CSMNT2016 & MAN2016麻省理工學院的 Evelyn N. Wang教授：旨在提高熱能轉換效率的針對納米領域表面特性的研究 CSMNT2016 & MAN2016麻省理工學院的 Evelyn N. Wang教授：旨在提高熱能轉換效率的針對納米領域表面特性的研究 發表于：8/8/2016 CSMNT2016 & MAN2016普渡大學的Steve Wereley教授：其團隊基于光電技術所進行的針對滴粒及粒子特性的研究 CSMNT2016 & MAN2016普渡大學的Steve Wereley教授：其團隊基于光電技術所進行的針對滴粒及粒子特性的研究 發表于：8/8/2016 CSMNT2016 & MAN2016劍橋大學副校長Ian White教授：其團隊在光通訊領域所進行的基于微納技術的研究 CSMNT2016 & MAN2016劍橋大學副校長Ian White教授：其團隊在光通訊領域所進行的基于微納技術的研究 發表于：8/8/2016 CSMNT2016 & MAN2016中科院微電子所劉明院士：其團隊在微納領域的最新研究進展 CSMNT2016 & MAN2016中科院微電子所劉明院士：其團隊在微納領域的最新研究進展 發表于：8/8/2016 CSMNT2016 & MAN2016市場資訊公司Yole的 Takashi Onozawa先生：MEMS及傳感器市場未來發展機會及挑戰 CSMNT2016 & MAN2016市場資訊公司Yole的 Takashi Onozawa先生：MEMS及傳感器市場未來發展機會及挑戰 發表于：8/8/2016 CSMNT2016 & MAN2016喬治亞理工學院的Oliver Brand教授：基于諧振原理的高靈敏度的化學傳感器的設計 CSMNT2016 & MAN2016喬治亞理工學院的Oliver Brand教授：基于諧振原理的高靈敏度的化學傳感器的設計 發表于：8/8/2016 CSMNT2016 & MAN2016韓國科學技術院的Je-Kynn Park教授：其團隊在微流控免疫測定方面的研究進展 CSMNT2016 & MAN2016韓國科學技術院的Je-Kynn Park教授：其團隊在微流控免疫測定方面的研究進展 發表于：8/8/2016 CSMNT2016 & MAN2016蘇黎世聯邦理工學院的Andreas Hierlemann教授：其課題組基于高集成度CMOS微系統在神經元領域的研究 CSMNT2016 & MAN2016蘇黎世聯邦理工學院的Andreas Hierlemann教授：其課題組基于高集成度CMOS微系統在神經元領域的研究 發表于：8/8/2016 CSMNT2016 & MAN2016國弗賴堡大學的Ronand Zengerle教授：其團隊在基于離心微流控技術在即時診斷領域所做的研究 CSMNT2016 & MAN2016國弗賴堡大學的Ronand Zengerle教授：其團隊在基于離心微流控技術在即時診斷領域所做的研究 發表于：8/8/2016 ?…13141516171819202122…?
