基于预测分析和HPC工作负载资源表征的可靠工作负载管理-研究论文

【文件属性】：
文件名称：基于预测分析和HPC工作负载资源表征的可靠工作负载管理-研究论文
文件大小：789KB
文件格式：PDF
更新时间：2021-05-19 18:24:52
cost management data center dynamic 在高性能计算（HPC）基础架构上执行大数据工作负载已成为提高其性能的一种有吸引力的方法。 在资源管理中，会生成大量的云数据中心（CDC）的多结构日志数据，这些数据涉及作业到达模式，CPU内存消耗，任务持续时间等许多其他方面。 该系统还提供了CACO Cauchy矩阵方法从磁盘故障中自动恢复数据的机制。 它还可以消除冗长的过程，例如副本管理。 在本文中，我们提出了一种使用机器学习算法的动态负载平衡和资源分配技术的系统。 基于ML算法的Q学习已用于验证系统。 实验分析表明，提出的系统如何消除当前方法的缺点。 我们的关键是使用机器学习算法来识别异构存储环境中的各种工作负载模式生成。