[发明专利]一种基于负载预测的Hadoop计算任务初始分配方法有效

专利信息
申请号: 201910510964.3 申请日: 2019-06-13
公开(公告)号: CN110262897B 公开(公告)日: 2023-01-31
发明(设计)人: 张斌;李薇;郭军;刘晨;侯帅;周杜凯;柳波;王嘉怡;王馨悦;张娅杰;张瀚铎;刘文凤 申请(专利权)人: 东北大学
主分类号: G06F9/50 分类号: G06F9/50
代理公司: 沈阳东大知识产权代理有限公司 21109 代理人: 刘晓岚
地址: 110819 辽宁*** 国省代码: 辽宁;21
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明提出一种基于负载预测的Hadoop计算任务初始分配方法,包括:使用延迟调度策略的AppMaster选择方法,开启AppMaster;基于BP神经网络的节点,计算资源分配数量;使用DRF算法的用户队列和用户作业选择方法,开启子任务;本发明基于延迟调度策略的AppMaster选择算法,提高了AppMaster运行时的稳定性,保证了作业的正常运行。基于BP神经网络的节点计算资源分配算法,减少高负载标签计算节点分配的任务量,增加低负载标签计算节点分配的任务量,提高了集群整体的稳定性和性能。基于DRF的用户队列和用户作业选择算法,当作业所属的队列资源不够时,根据占主导地位的计算资源使用情况来选择叶子队列和用户作业,最终达到合理化计算任务初始分配,均衡集群负载,提高集群性能的目标。
搜索关键词: 一种 基于 负载 预测 hadoop 计算 任务 初始 分配 方法
【主权项】:
1.一种基于负载预测的Hadoop计算任务初始分配方法,其特征在于,具体步骤如下:步骤1:使用延迟调度策略的AppMaster选择方法,开启AppMaster,具体包括:步骤1.1:资源管理器接收用户作业提交,并初始化节点数量α1=0;步骤1.2:判断α1与阈值α大小关系,当α1≥α时,在当前计算节点上开启AppMaster;当α1<α时,通过公式(1)衡量计算节点i运行AppMaster的失效率其中,代表第i个计算节点在历史日志中运行的AppMaster总数,代表第i个计算节点历史日志中失败AppMaster数量;步骤1.3:判断失效率与阈值σ的大小关系,若则直接在该计算节点上开启AppMaster;若则跳过本次节点,α1加1,返回步骤1.1;步骤2:基于BP神经网络的节点,计算资源分配数量;步骤3:使用DRF算法的用户队列和用户作业选择方法,开启子任务。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北大学,未经东北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910510964.3/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top