期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
资源偏好敏感的大数据应用云配置推荐方法
1
作者 梁哲恒 吴悦文 +4 位作者 李永健 张小陆 沈桂泉 苏林刚 刘均乐 《计算机科学》 北大核心 2025年第S1期738-746,共9页
大数据和流式数据计算已被广泛用于支撑智能电网中异常监测与预警等场景。云计算是大数据和流式数据应用的主流运行支撑环境,选择合适的云资源优化其性能面临巨大挑战。当前基于全量配置搜索的方法以所有候选云配置作为搜索空间,存在搜... 大数据和流式数据计算已被广泛用于支撑智能电网中异常监测与预警等场景。云计算是大数据和流式数据应用的主流运行支撑环境,选择合适的云资源优化其性能面临巨大挑战。当前基于全量配置搜索的方法以所有候选云配置作为搜索空间,存在搜索空间过大而容易陷入局部最优解的问题。针对该问题,提出了资源偏好敏感的大数据应用云配置推荐方法,采用资源偏好敏感的随机森林模型作为贝叶斯优化方法的概率模型,以权衡配置选项空间较大时搜索的准确性和开销。实验结果表明,所提方法相比于全量配置搜索方法CherryPick,在搜索结果的准确性提升23%的同时,可减少25%~44%的搜索次数;相比于数据驱动的方法RP-CH,搜索结果的准确性相差10%,但平均搜索次数可有效减少78%。 展开更多
关键词 大数据应用 云配置推荐 资源偏好 主成分分析 贝叶斯优化
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部