典型文献
分布式异构集群中节点优先级调优算法
文献摘要：
节点优先级常用于评价异构集群中节点的性能,因此节点优先级评价指标权重的选择非常重要.采用层次分析法(analytic hierarchy process,AHP)建立了节点优先级评价指标体系,计算得到各指标的初始权重,并使用BP神经网络对初始权重进行优化.训练时,BP网络输入为集群运行中采集的节点实时资源数据,输出为节点的优先级.分析网络训练完成后得到的权重矩阵可以获得各优先级评价指标的优化权重.实验表明,基于AHP和BP的节点优先级评价模型可以更加准确地分析节点性能.相比于Spark默认算法和权重未优化的对照算法,使用调优后的节点优先级可以有效提高集群性能.运行不同工作量的相同负载时,集群平均性能分别提高了16.64％和9.76％;处理相同工作量的不同负载时,集群的平均性能分别提高了12.49％和6.54％.
文献关键词：
层次分析法;BP神经网络;节点优先级;权重;Spark
中图分类号：
作者姓名：
胡亚红;邱圆圆;毛家发
作者机构：
浙江工业大学计算机科学与技术学院(软件学院) ,浙江杭州 310023
文献出处：
引用格式：
[1]胡亚红;邱圆圆;毛家发-.分布式异构集群中节点优先级调优算法)[J].国防科技大学学报,2022(05):102-113
A类：
B类：
异构集群,中节点,节点优先级,调优,此节,评价指标权重,analytic,hierarchy,process,集群运行,资源数据,网络训练,权重矩阵,Spark,默认,照算,集群性能,不同负载
AB值：
0.29331
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
