浏览全部资源
扫码关注微信
西安交通大学电子与信息工程学院
Published:2015
移动端阅览
[J]. 2015, (2): 14-19.
DOI:
[J]. 2015, (2): 14-19. DOI:
针对MapReduce系统中负载能耗特征多样性为系统成本调度带来的负载与节点难以匹配的问题
提出一种基于负载性能特征的能耗估计方法。该方法以MapReduce系统中各节点操作系统的性能事件为依据估计在线负载的能耗。为了提升负载能耗估计结果的准确度
采用机器学习的方法
在负载执行时
搜集系统的性能特征
并建立估计模型的样本集;采用粗糙集理论中属性约简方法对性能特征属性进行约简;在性能属性约简的结果之上
基于支持向量机理论
建立能耗的估计模型
对负载运行时系统的能耗进行准确的估计。实验结果表明:基于性能特征的能耗估计方法拥有较高的估计准确率
在单作业环境中平均相对误差为4%
在多作业环境中可达到4.5%。
Jacob Leverich,Christos Kozyrakis.On the energy (in)efficiency of Hadoop clusters[J].ACM SIGOPS Operating Systems Review,2010.
Jeffrey Dean,Sanjay Ghemawat.MapReduce[J].Communications of the ACM,2008.
Xiaobo Fan,Wolf-Dietrich Weber,Luiz Andre Barroso.Power provisioning for a warehouse-sized computer[J].ACM SIGARCH Computer Architecture News,2007.
J.A.K. Suykens,J. Vandewalle.Least Squares Support Vector Machine Classifiers.[J].Neural Processing Letters,1999(3).
Corinna Cortes,Vladimir Vapnik.Support-Vector Networks.[J].Machine Learning,1995(3).
谭一鸣,曾国荪,王伟.随机任务在云计算平台中能耗的优化管理方法[J].软件学报,2012(02).
王国胤,姚一豫,于洪.粗糙集理论与应用研究综述[J].计算机学报,2009(07).
0
Views
3
下载量
1
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution