中国科学院深圳先进技术研究院机构知识库(SIAT OpenIR): 基于机器学习的动态分区并行文件系统性能优化
SIAT OpenIR  > 数字所
基于机器学习的动态分区并行文件系统性能优化
吴嘉澍; 王红博; 代浩; 须成忠; 王洋
2020
Source Publication集成技术
Subtype期刊论文
Abstract近年来,随着大数据、云计算技术的发展,应用系统越来越集中,规模亦越来越大,使得存 储系统的性能问题越来越突出。为应对其性能要求,并行文件系统得到了大量的应用。然而现有的并 行文件系统优化方法,大多只考虑应用系统或并行文件系统本身,较少考虑两者之间的协同。该文基 于应用系统在并行文件系统上的访问模式对存储系统的性能有显著影响这一特点,提出基于动态分区 的并行文件系统优化方法。首先,利用机器学习技术来分析挖掘各个性能影响因素和性能指标之间的 关系和规律,生成优化模型。其次,以优化模型为基础,辅助并行文件系统的参数调优工作。最后, 基于 Ceph 存储系统进行原型实现,并设计了三层架构应用系统进行了性能测试,最终达到优化并行 文件系统访问性能的目的。实验结果表明,所提出方法可以达到 85% 的预测优化准确率;在所提出模 型的辅助优化下,并行文件系统的吞吐量性能得到约 3.6 倍的提升。
Indexed By其他
Language中文
EI Accession Number云计算
Document Type期刊论文
Identifierhttp://ir.siat.ac.cn/handle/172644/18028
Collection数字所
Recommended Citation
GB/T 7714
吴嘉澍,王红博,代浩,等. 基于机器学习的动态分区并行文件系统性能优化[J]. 集成技术,2020.
APA 吴嘉澍,王红博,代浩,须成忠,&王洋.(2020).基于机器学习的动态分区并行文件系统性能优化.集成技术.
MLA 吴嘉澍,et al."基于机器学习的动态分区并行文件系统性能优化".集成技术 (2020).
Files in This Item: Download All
File Name/Size DocType Version Access License
数字-云计算2020045.pdf(1803KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[吴嘉澍]'s Articles
[王红博]'s Articles
[代浩]'s Articles
Baidu academic
Similar articles in Baidu academic
[吴嘉澍]'s Articles
[王红博]'s Articles
[代浩]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[吴嘉澍]'s Articles
[王红博]'s Articles
[代浩]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: 数字-云计算2020045.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.