-
题名一种基于改进的GMM算法的数据丢失预测模型
- 1
-
-
作者
王晖
姜春茂
-
机构
哈尔滨师范大学计算机科学与信息工程学院
福建工程学院计算机科学与数学学院
-
出处
《长江信息通信》
2023年第3期28-34,共7页
-
基金
黑龙江省自然科学基金资助项目(LH2020F031)。
-
文摘
随着云平台上运行任务的数量急剧增加,任务失败的概率也随之增加,数据的丢失是任务失败的主要原因。如果在任务运行前判断出是否可能发生丢失以及其丢失类型,那么就可以提前采取措施避免或减少损失。该模型基于谷歌在2019年发布的最新云集群数据,对任务的数据丢失问题进行了深入的研究,针对不同任务属性探究其与数据丢失的相关性,并选用了GMM(Gaussian Mixed Model)算法并将其改进来建立数据丢失预测模型。经过多种聚类算法的实验比较,改进后的GMM模型表现出极好的适应性和准确性,能够精准且迅速地在任务运行前判断其发生数据丢失的可能性以及判断其丢失类型。最后根据预测出的不同数据丢失类型,给出了一定的建议。
-
关键词
谷歌云集群
任务失败
数据丢失预测
Gaussian
Mixed
Model
-
Keywords
Google Cloud Cluster
Task failed
Data Loss Prediction
Gaussian Mixed?Model
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
