基于SVM分类的云集群失败作业主动预测方法

发布时间：2017-07-15 18:10

  本文关键词：基于SVM分类的云集群失败作业主动预测方法

  更多相关文章： 失败作业预测 支持向量机模型 Google集群数据

【摘要】：提出了一种使用支持向量机(SVM)模型预测作业终止状态的方法.以Google数据集为研究对象,首先分析作业终止状态的影响因素,提出使用作业的静态特征和动态特征作为终止状态分类的特征向量,选择SVM模型主动预测终止状态;然后从特征向量和分类模型2个层面对准确率、假负率、精确度指标进行验证.特征向量实验结果表明,基于静态和动态特征的SVM预测模型比单独使用静态特征和动态特征,分别提高0.94%、-0.01%、1.35%和9.08%、-1.36%、10.91%.分类模型的比较结果显示,SVM分类预测方法比传统的神经网络模型、朴素贝叶斯模型、逻辑回归模型的预测效果好.
【作者单位】： 河南师范大学计算机与信息工程学院;北京邮电大学网络与交换技术国家重点实验室;
【关键词】： 失败作业预测 支持向量机模型 Google集群数据
【基金】：国家重点基础研究发展计划(973计划)项目(2012CB315802) 国家关键技术研究与发展计划项目(2012BAH94F02) 河南省科技厅基础与前沿技术研究项目(132300410430)
【分类号】：TP18
【正文快照】： 大型异构分布式云集群的作业执行过程中,由于软硬件故障、作业调度资源不足、作业过度使用资源等原因导致作业无法正常完成,从而造成作业执行时间延长、资源浪费的问题,采用失败作业预测可提前终止将会失败状态的作业,确保良好的时间性能,提高资源利用率.作业失败状态的预测是，

本文编号：545094