基于LSTM的集群用户作业执行时间预测模型

朱正东; 吴寅超; 胡亚红; 蒋家强

首页> 中文期刊> 《计算机工程与科学》 >基于LSTM的集群用户作业执行时间预测模型

基于LSTM的集群用户作业执行时间预测模型

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

为提升服务质量,数据中心需要确保在规定的截止时间前完成用户作业,因此必须根据实时的系统资源对作业进行有效的调度。提出了一种作业调度算法,根据预测的作业执行时间进行批作业调度,以最小化批作业的完成时间。作业执行时间预测模型基于长短期记忆LSTM网络,根据用户作业类型、作业量、作业需要的CPU核数和内存数量,以及作业需要的资源在系统总资源中的占比,对用户作业的执行时间进行预测。预测结果用于判断集群是否有能力按时完成用户作业,同时为合理安排各作业的执行顺序提供依据。通过实验确定了影响LSTM时间预测模型性能的各超参数取值,如迭代次数、学习率和网络层数等。实验表明,与SVR模型、ARIMA模型和BP模型相比,基于LSTM的作业执行时间预测模型的决定系数R2分别有2.97%,2.34%和5.66%的提升效果,且预测的平均误差仅为0.78%。

著录项

来源
《计算机工程与科学》 |2022年第8期|1331-1341|共11页
作者
朱正东; 吴寅超; 胡亚红; 蒋家强;
展开▼
作者单位

西安交通大学计算机学院;

浙江工业大学计算机科学与技术学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类计算机网络;
关键词
LSTM; 时间预测; 作业调度; 服务质量;

相似文献

中文文献
外文文献
专利

1. 基于LSTM算法的智能节水灌溉预测模型研究 [J] . 李学军 ,程红 . 农机化研究 . 2022,第3期
2. 基于滑动窗口和LSTM的PM_(2.5)浓度预测模型 [J] . 刘俊扬 ,张仲荣 ,祁楌捷 . 齐齐哈尔大学学报:自然科学版 . 2022,第1期
3. 基于WA-LSTM-ARIMA的混凝土坝变形组合预测模型 [J] . 周兰庭 ,柳志坤 ,徐长华 . 人民黄河 . 2022,第1期
4. 基于多因素的LSTM瓦斯浓度预测模型 [J] . 刘莹 ,杨超宇 . 中国安全生产科学技术 . 2022,第1期
5. 基于自注意力机制和CNN-LSTM深度学习的对虾投饵量预测模型 [J] . 何津民 ,张丽珍 . 大连海洋大学学报 . 2022,第2期
6. 基于线性回归的网格任务执行时间的预测模型研究 [C] . . 全国Web信息系统及其应用学术会议、全国语义Web与本体论学术研讨会暨全国电子政务技术与应用学术研讨会 . 2008
7. 基于LSTM的软件可靠性预测模型研究 [A] . 鲁姝艺 . 2021

基于LSTM的集群用户作业执行时间预测模型

摘要

著录项

相似文献

相关主题

期刊订阅