機械学習により抽出されたアプリケーションの特徴を利用したタスク配置の検討

スポンサーリンク

概要

論文の詳細を見る
近年,ウェブサービスの提供やデータベース処理の需要の増加,さらにはクラウドコンピューティングの普及などにより,サーバ計算機を多数運用するデータセンタの重要性が高まっている.データセンタは,増大するサービス要求を処理するために,稼働するハードウェアの更新が欠かせない.しかし,一度に全ハードウェアを更新することは稀で,通常は徐々に入れ替えが行なわれるため,ヘテロジニアスなサーバ計算機環境になることが多い.そのため,タスクの MIPS 値は実行するサーバによって異なると考えられ,タスクの特徴によってタスク処理の際の MIPS 値を最大にする実行サーバが変わり得る.本稿では,タスク処理の特徴と各サーバの相性を機械学習により予測し,それに基づいてサーバへタスク配置を行うことで,データセンタのスループットを向上させる手法を提案する.また,機械学習による相性予測の精度と,予測結果を用いたタスク配置によるデータセンタのスループット向上の有効性を検証する.
2011-03-03

著者

関連論文

もっと見る

スポンサーリンク