• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2015 IEEE 17th International Conference on High Performance Computing and Communications, 2015 IEEE 7th International Symposium on Cyberspace Safety and Security, 2015 IEEE 12th International Conference on Embedded Software and Systems >Inverse Clustering-Based Job Placement Method for Efficient Big Data Analysis
【24h】

Inverse Clustering-Based Job Placement Method for Efficient Big Data Analysis

机译：基于逆聚类的高效大数据分析工作分配方法

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

To efficiently exploit the inherent values of big data, the large-scale data center with multiple compute nodes is deployed. In this scenario, the job placement method becomes the key issue to match the compute nodes with the data analysis jobs, to balance the workloads among the nodes and meet the resource requirements for various jobs. In this work, an inverse clustering-based job placement method is proposed. Jobs are represented as feature vectors of resource utilizations and priorities. Then contrary to the regular clustering procedure, the proposed inverse clustering method organizes jobs with the largest different feature vectors into the same groups. Jobs in the same groups are placed on to the same nodes. Consequently, jobs assigned on the same nodes utilize different types of resources and are labeled with different priorities. In our simulation experiments, a global load and priority balances are achieved with the proposed inverse clustering method.
机译：为了有效利用大数据的内在价值，部署了具有多个计算节点的大型数据中心。在这种情况下，作业放置方法成为使计算节点与数据分析作业匹配，平衡节点之间的工作负载并满足各种作业的资源需求的关键问题。在这项工作中，提出了一种基于逆聚类的工作分配方法。作业表示为资源利用和优先级的特征向量。然后，与常规聚类过程相反，所提出的逆聚类方法将具有最大不同特征向量的作业组织到相同的组中。同一组中的作业将放置在同一节点上。因此，在同一节点上分配的作业将使用不同类型的资源，并被标记为不同的优先级。在我们的仿真实验中，使用提出的逆聚类方法实现了全局负载和优先级平衡。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号