摘要
本发明涉及大数据与云计算技术领域,具体涉及一种减少作业共置竞争的干扰感知调度方法,首先,设计一个干扰预测模型,用于预测不同作业在GPU中的干扰程度。干扰的定义为作业共置完成时间和作业独占完成时间之差,时间之差是由于干扰竞争减速带来的延迟;然后,通过设计一个动态调整作业组合的方法,找到若干个符合当前条件下的干扰最小的共置组合,并将该组合中的作业同时放入到GPU中执行。具体分为预测与调度两个部分,基于权重值的计算策略,并通过在线调度的方式,实现了对作业需求动态变化的动态响应和调整。通过一系列实验对比,发现本发明的作业完成时间明显优于其他传统调度方法,且能耗最低,充分验证了本发明的高效性和实用性。
技术关键词
叠加方法
评估预测方法
回归方法
模拟现实环境
BP神经网络
存储作业
深度学习模型
组合方法
作业需求
新组合
更新方法
内存
动态
随机森林
大数据
策略
样本
表达式
在线
系统为您推荐了相关专利信息
磁感应强度
BP神经网络模型构建
实时位置
定位监测系统
拟合系统
高斯分布模型
多尺度特征提取
图像
多尺度注意力机制
融合特征
超材料传感器
聚酰亚胺电介质
谐振
频率
BP神经网络训练