典型文献
基于机器学习的并行文件系统性能预测
文献摘要：
着眼于高性能计算领域不难发现,其只需要秒级时间就能完成海量数据的精确处理.计算、传输、存储作为该领域不可或缺的三大要素,经历了无数次的技术迭代升级,得到了大幅提升与发展.相比而言,存储技术发展相对缓慢,其发展瓶颈是输入输出系统技术.高性能集群系统、下一代数据中心和分布式云存储都对精确高效共享的海量数据划定了更高的标准.基于当前的技术,将海量数据存储至分布式存储云端,并依靠MapReduce框架搭建并行数据密集型应用.随着云计算技术的高速发展及信息量的爆炸式增长,如何挖掘其潜在性能因子成为重要的研究方向.
文献关键词：
并行文件系统;性能评估;性能模型;Lustre文件系统;高性能集群
中图分类号：
作者姓名：
宋辰萱;杜秀兰
作者机构：
中国市政工程华北设计研究总院有限公司,天津,300074
文献出处：
引用格式：
[1]宋辰萱;杜秀兰-.基于机器学习的并行文件系统性能预测)[J].信息技术时代,2022(10):40-42
A类：
并行文件系统
B类：
基于机器学习,系统性能,性能预测,高性能计算,不难,海量数据,三大要素,无数次,技术迭代,迭代升级,提升与发展,相比而言,存储技术,发展瓶颈,输入输出,高性能集群,集群系统,下一代,数据中心,分布式云存储,划定,数据存储,分布式存储,云端,MapReduce,框架搭建,数据密集型应用,云计算技术,信息量,爆炸式,潜在性,性能因子,性能评估,性能模型,Lustre
AB值：
0.4626
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。
