一种考虑局部性的作业执行时间预测算法

摘要

针对高性能计算系统中作业执行时间预测不能充分利用作业的局部性、预测精度低的问题，提出一种考虑局部性的作业执行时间预测算法(JRPL).该算法综合利用作业日志数据的总体特征与局部特征，通过投票机制结合机器学习预测和基于局部性的时序预测，提高了预测准确性.实验结果表明，在Unliu Gaia和PIK IPLEX等实际调度日志数据集上，JRPL算法在平均绝对误差、平均预测精度和命中率3个指标上均优于或不劣于作为基底的机器学习算法.该研究结果为高性能计算系统中作业调度提供了预测模型的改良方法，有助于进行更准确的执行时间预测，提高系统资源利用率，降低计算成本.

关键词

高性能计算系统 / 作业执行时间预测 / 机器学习 / 局部性 / 预测精度