以Web服务、流式计算为代表的在线负载是数据中心的主要负载之一.在线负载请求到达的波动性驱动其资源需求的动态变化.因此,快速、准确的在线负载资源预测是数据中心合理分配资源、保障负载执行效率的关键.然而,既有在线负载资源预测方法或无法进行长期准确的预测,或依赖于海量样本数据并具有较大的时间开销.为此,提出了一种基于请求周期性特征的在线负载资源预测方法PRP.PRP面向在线负载请求的周期性特征,采用自相关函数识别负载资源使用的变化周期;基于变化周期进行资源使用样本序列分割及资源使用子序列分类;最终基于分类子序列采用线性加权方法预测在线负载的资源需求.实验结果表明,PRP在预测准确度和时间开销方面有较大的提升.