Li Yangyuan; Do Tien Van: Long short-term memory recurrent neural networks models to forecast the resource usage of MapReduce applications.
Előnézet |
Cikk, tanulmány, mű
cscs_2018_189-191.pdf Letöltés (292kB) | Előnézet |
Absztrakt (kivonat)
The forecasting of the resource usage of MapReduce applications plays an important role in the operation of cloud infrastructure. In this paper, we apply long short-term memory recurrent neural networks to predict the resource usage of three representative MapReduce applications. The Results show that the Long Short-term Memory Recurrent Neural Networks models perform higher prediction accuracy than persistence ones. Predictions of other usage parameters show similar accuracy with persistence one. The improper configuration parameters of Long Short-term Memory Recurrent Neural Networks possibly result in few of worse prediction.
| Mű típusa: | Konferencia vagy workshop anyag |
|---|---|
| Befoglaló folyóirat/kiadvány címe: | Conference of PhD Students in Computer Science |
| Dátum: | 2018 |
| Kötet: | 11 |
| Oldalak: | pp. 176-178 |
| Konferencia neve: | Conference of PhD students in computer science (11.) (2018) (Szeged) |
| Befoglaló mű URL: | http://acta.bibl.u-szeged.hu/59477/ |
| Kulcsszavak: | MapReduce, Programozás, Számítástechnika |
| Megjegyzések: | Bibliogr.: 178. p. ; összefoglalás angol nyelven |
| Feltöltés dátuma: | 2019. nov. 04. 14:47 |
| Utolsó módosítás: | 2022. nov. 08. 10:18 |
| URI: | http://acta.bibl.u-szeged.hu/id/eprint/61797 |
 |
Tétel nézet |
