摘要
本申请涉及一种基于AI的Hadoop自适应资源分配方法、装置、设备及介质。包括:获取Hadoop集群中所有节点的性能指标时序数据和业务优先级以及资源总量;获取预设LSTM预测模型;将性能指标时序数据输入预设LSTM预测模型,得到节点的资源需求概率分布;根据节点的资源需求概率分布、资源总量和节点的业务优先级确定节点的资源分配结果。由此可知,节点的资源需求概率分布基于节点的性能指标数据预测得出,能真实反映节点在未来一段时间段内的资源需求趋势。此外,本申请综合考量节点的资源需求概率分布、资源总量和业务优先级,确保节点资源分配结果既能满足节点的需求,又能适配总资源的约束,同时优先保障高优先级业务的资源供给,有效提高Hadoop集群的资源利用率。
技术关键词
节点
强化学习模型
资源分配方法
集群
时序
最大化资源利用率
总量
高优先级业务
性能指标数据
资源分配装置
计算机设备
处理器
基础
可读存储介质
存储器
策略
系统为您推荐了相关专利信息
飞行控制模块
负载状态信息
仿生飞行器
图像识别模块
能量管理模块
电力运行数据
电力系统无功补偿
深度学习算法
负荷
无功功率补偿
管理主机
三元内容可寻址存储器
协议解析方法
报文
图谱
多模态数据融合
优化分析方法
决策
神经图灵机
时序特征