基于资源签名与遗传算法的Hadoop参数自动调优系统

在Hadoop集群的优化配置中,配置参数存在种类繁多、含义复杂、相互关联影响的特性,导致难以实现快速准确寻优。针对以上问题,构建了Hadoop集群自动调优系统,其中在系统中设计了资源获取器与参数配置库,分别用于获取各作业的资源消耗与存储分发配置方案。该系统利用MapReduce作业的小规模数据集资源签名将任务分类,在遗传算法框架中通过任务的测试评估对配置方案进行自动迭代优化。实验结果表明,调优后集群的任务完成时间明显缩减,集群的资源利用率有了明显提升。

基于ARMA模型的工业电容退化状态研究方法

随着中国制造2025计划的推广,工业电源正处于高速发展期,大型铝电解电容的需求越来越大.电容的故障会令工业流水线中断,产生极大的损失,因此工业电容的寿命预测(RUL)具有重要意义.本文通过对铝电解电容充电状态EIS频谱分析,建立电容的状态的量化模型.根据电容状态量化数据,建立ARMA电容退化预测模型.最后通过美国航天航空局的等效串联电阻EIS频谱数据集进行验证.结果表明ARMA电容退化模型对铝电解电容的状态预测有很大的准确性.