MespaConfig: Memory-Sparing Configuration Auto-Tuning for Co-Located In-Memory Cluster Computing Jobs

Distributed in-memory computing frameworks usually have lots of parameters (e.g., the buffer size of shuffle) to form a configuration for each execution. A well-tuned configuration can bring large improvements of performance. However, to improve resource utilization, jobs are often share the same cl...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on services computing Ročník 15; číslo 5; s. 2883 - 2896
Hlavní autoři:	Zong, Zan, Wen, Lijie, Hu, Xuming, Han, Rui, Qian, Chen, Lin, Li
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Piscataway IEEE 01.09.2022 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Cluster computing Clusters co-locate Computation Computational modeling Configuration tuning Configurations Distributed memory in-memory computing Load modeling memory-sparing Optimization Parallel processing Performance enhancement performance optimization Predictive models Resource utilization Tuning
ISSN:	1939-1374, 2372-0204
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!