[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
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: | 本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。