クラウド作業負荷予測のためのWasserstein敵対変圧器【JST・京大機械翻訳】

Arbat Shivani; Jayakumar Vinodh Kumaran; Lee Jaewoo; Wang Wei; Kim In Kee

プレプリント

J-GLOBAL ID：202202206846009150 整理番号：22P0303151

クラウド作業負荷予測のためのWasserstein敵対変圧器【JST・京大機械翻訳】

Wasserstein Adversarial Transformer for Cloud Workload Prediction

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月12日プレプリントサーバーでの情報更新日： 2022年03月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

予測仮想マシン(VM)自動スケーリングは,クラウドアプリケーション運転コストと性能を最適化するための有望な技術である。ジョブ到着率の理解は,クラウド作業負荷の将来の変化を正確に予測し,アプリケーションをホストするVMsを積極的に提供し,予測するために重要である。しかし,雲作業負荷変化を正確に予測するモデルの開発は,クラウド作業負荷の動的性質のために極めて困難である。クラウド作業負荷予測のために,Long-Short-Term-Memory(LSTM)モデルを開発した。残念なことに,最先端のLSTMモデルは,自然に複雑性を付加し,入力シーケンスが長く成長するので推論オーバヘッドを増加させるために,再帰性を予測する。高精度と低推論オーバヘッドを有するクラウド作業負荷予測モデルを開発するために,本研究は,WGAN-gp変換機と呼ばれる新しい時系列予測モデルを提示して,変換器ネットワークによって触発して,Wasserstein-GANを改良した。提案方法は,変換器ネットワークを発電機として,多層パーセプトロンを批評として採用する。実世界の作業負荷トレースによる広範な評価は,WGAN-gp変換器が,最先端の手法に対して,最大5.1パーセント高い予測精度で5倍速い推論時間を達成することを示した。また,Googleクラウドプラットフォーム上の自動スケーリング機構にWGAN-gp変換器を適用し,WGAN-gp変換器ベース自動スケーリング機構は,VM過剰予測および過小予測速度を著しく低減することにより,LSTMベース機構より性能が優れていた。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

計算機網 , 通信網

, , ,

前のページに戻る