【技术实现步骤摘要】
基于功耗曲线和脚本信息的HPC作业功耗预测方法及系统
[0001]本专利技术属于高性能计算
(HPC)
领域,尤其涉及一种基于功耗曲线和脚本信息的
HPC
作业功耗预测方法及系统
。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术
。
[0003]HPC
系统通常由大量的计算节点和复杂的互联网络组成,为充分利用资源并提高能效,对
HPC
作业的功耗进行的准确的预测和管理是至关重要的
。
[0004]当前进行
HPC
功耗预测的方法多种多样,主要包括基于统计回归模型
、
机器学习算法以及基于时间序列的分析方法
。
下面将对这些方法逐一进行介绍
。
[0005]统计回归模型是一种常见的功耗预测方法,它利用历史作业数据和功耗数据构建模型,通过分析作业的特征
(
如作业类型
、
数据规模
、
资源需求等
)
与功耗之间的关系来预测未来作业的功耗
。
常见的统计回归模型包括线性回归和多项式回归等
。
这些模型具有简单直观
、
易于实现和解释的优点
。
然而,这种方法忽略了作业之间复杂的关联性和动态性
。
此外,对于非线性关系较强的数据,预测的精准度可能会受到影响,对于新类型的作业
【技术保护点】
【技术特征摘要】
1.
基于功耗曲线和脚本信息的
HPC
作业功耗预测方法,其特征在于,包括:获取历史作业功耗曲线数据和历史作业脚本信息数据;基于历史作业功耗曲线数据,采用第一相似度算法,得到第一相似度值;基于历史作业脚本信息数据,采用第二相似度算法,得到第二相似度值;依据需求,为第一相似度值和第二相似度值分配权重,计算加权求和,得到综合相似度值,以此构建相似度邻接矩阵;以最大化模块度指标为原则,按照相似度邻接矩阵,将
HPC
作业划分成不同的类别;基于划分后不同类别中历史数据,分别训练不同的神经网络模型,得到已训练的神经网络模型;获取目标
HPC
作业的脚本信息数据,匹配与目标
HPC
作业相似的历史作业类别,采用该历史作业类别的已训练的神经网络模型对目标
HPC
作业的脚本信息数据进行预测,得到预测结果
。2.
根据权利要求1所述的基于功耗曲线和脚本信息的
HPC
作业功耗预测方法,其特征在于,所述基于历史作业功耗曲线数据,采用第一相似度算法,得到第一相似度值的过程包括:基于历史作业功耗曲线数据,选取若干项与功耗相关的指标,基于所述指标,采用
CBD
算法,得到第一相似度值
。3.
根据权利要求2所述的基于功耗曲线和脚本信息的
HPC
作业功耗预测方法,其特征在于,所述采用
CBD
算法的过程包括:对每条
HPC
作业功耗曲线进行编码,采用
CBD
算法将连续的功耗值转换成离散的符号序列,构建一个字典,记录重复出现的符号序列和替换键;将每条作业功耗曲线的符号序列中的重复的序列替换成字典中的键,以对作业功耗曲线进行压缩;计算每条作业功耗曲线单独压缩后的大小,比较压缩后的序列长度,计算压缩率,其中,压缩率表示压缩后的序列与原始序列长度的比率;基于计算得到的压缩率,判断作业功耗曲线之间的相似性
。4.
根据权利要求1所述的基于功耗曲线和脚本信息的
HPC
作业功耗预测方法,其特征在于,所述基于历史作业脚本信息数据,采用第二相似度算法,得到第二相似度值的过程包括:基于历史作业脚本信息数据,采用
KNN
算法,计算历史作业脚本信息数据之间的相似度,得到第二相似度值
。5.
根据权利要求1所述的基于功耗曲线和脚本信息的
HPC
作业功耗预测方法,...
【专利技术属性】
技术研发人员:田学森,张杰,李响,赵志刚,王春晓,张俭,李传涛,耿丽婷,
申请(专利权)人:齐鲁工业大学山东省科学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。