期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习的并行文件系统性能预测
被引量:
5
1
作者
赵铁柱
董守斌
+2 位作者
董守斌
Verdi March
Simon See
《计算机研究与发展》
EI
CSCD
北大核心
2011年第7期1202-1215,共14页
并行文件系统能有效解决高性能计算系统的海量数据存储和I/O瓶颈问题.由于影响系统性能的因素十分复杂,如何有效地评估系统性能并对性能进行预测成为一个潜在的挑战和热点.以并行文件系统的性能评估和预测作为研究目标,在研究文件系统...
并行文件系统能有效解决高性能计算系统的海量数据存储和I/O瓶颈问题.由于影响系统性能的因素十分复杂,如何有效地评估系统性能并对性能进行预测成为一个潜在的挑战和热点.以并行文件系统的性能评估和预测作为研究目标,在研究文件系统的架构和性能因子后,设计了一个基于机器学习的并行文件系统预测模型,运用特征选择算法对性能因子数量进行约简,挖掘出系统性能和影响因子之间的特定的关系进行性能预测.通过设计大量实验用例,对特定的Lustre文件系统进行性能评估和预测.评估和实验结果表明:threads/OST、对象存储器(OSS)的数量、磁盘数目和RAID的组织方式是4个调整系统性能最重要因子,预测结果的平均相对误差能控制在25.1%~32.1%之间,具有较好预准确度.
展开更多
关键词
并行文件系统
性能评估
性能预测
性能模型
机器学习
下载PDF
职称材料
题名
基于机器学习的并行文件系统性能预测
被引量:
5
1
作者
赵铁柱
董守斌
董守斌
Verdi March
Simon See
机构
五邑大学
计算
机学院
广东省
计算
机网络重点实验室(华南理工大学)
甲骨文公司技术与云计算中心
新加坡国立大学
计算
机科学系
南洋理工大学机械与航空航天工程系
出处
《计算机研究与发展》
EI
CSCD
北大核心
2011年第7期1202-1215,共14页
基金
国家自然科学基金项目(10805019
61070092)
+1 种基金
国家"九七三"重点基础研究发展计划基金项目(2009CB320505)
国家发改委CNGI基金项目(CNGI2008-109/122)
文摘
并行文件系统能有效解决高性能计算系统的海量数据存储和I/O瓶颈问题.由于影响系统性能的因素十分复杂,如何有效地评估系统性能并对性能进行预测成为一个潜在的挑战和热点.以并行文件系统的性能评估和预测作为研究目标,在研究文件系统的架构和性能因子后,设计了一个基于机器学习的并行文件系统预测模型,运用特征选择算法对性能因子数量进行约简,挖掘出系统性能和影响因子之间的特定的关系进行性能预测.通过设计大量实验用例,对特定的Lustre文件系统进行性能评估和预测.评估和实验结果表明:threads/OST、对象存储器(OSS)的数量、磁盘数目和RAID的组织方式是4个调整系统性能最重要因子,预测结果的平均相对误差能控制在25.1%~32.1%之间,具有较好预准确度.
关键词
并行文件系统
性能评估
性能预测
性能模型
机器学习
Keywords
parallel file system
performance evaluation
performance prediction
performance model
machine learning
分类号
TP333 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习的并行文件系统性能预测
赵铁柱
董守斌
董守斌
Verdi March
Simon See
《计算机研究与发展》
EI
CSCD
北大核心
2011
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部