Publicación: Resources usage prediction on parallel distributed infrastructures
dc.contributor.author | Martínez Garín, Antonio | |
dc.contributor.director | Caminero Herraez, Agustín Carlos | |
dc.contributor.director | Cuadra Troncoso, José Manuel | |
dc.date.accessioned | 2024-05-20T12:25:29Z | |
dc.date.available | 2024-05-20T12:25:29Z | |
dc.date.issued | 2022-09-01 | |
dc.description.abstract | Los contenedores ligeros se están usando de forma extensiva para ejecutar aplicaciones basadas en contenedores llamadas trabajos. Estos trabajos son orquestados por sistemas encargados de administrar clústeres de gran tamaño que contienen cientos de miles de aplicaciones, y destacan por lograr una alta utilización del clúster. Sin embargo, definiciones deficientes de los requisitos de recursos en los contenedores de los trabajos tienen un impacto negativo en la eficiencia general del uso del clúster. El objetivo principal de este trabajo es encontrar y entrenar modelos para predecir el uso de recursos de los jobs cuando son enviados y analizar su capacidad de predicción. Esto se hará utilizando datos de grandes clústeres de producción que ejecutan contenedores ligeros. Este TFM se encuadra dentro del proyecto del FILE (efFIcient scheduLing of containErs), financiado por la UNED. | es |
dc.description.abstract | Lightweight containers are extensively used for running containerized applications as jobs. Jobs are orchestrated by systems which manage large clusters that contain hundreds of thousands of jobs from thousands of applications, and they excel at achieving high utilization of the cluster. However, poor container resource requirements negatively impact the overall efficiency of cluster usage. The main objective of this work is to find and train models to predict the resource usage of jobs at submission time and analyze their prediction power. This will be done using data from large production clusters running lightweight containers. This thesis is part of the FILE project (efFIcient scheduling of containErs) financed by UNED. | en |
dc.description.version | versión final | |
dc.identifier.uri | https://hdl.handle.net/20.500.14468/14211 | |
dc.language.iso | en | |
dc.publisher | Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial | |
dc.relation.center | Facultades y escuelas::E.T.S. de Ingeniería Informática | |
dc.relation.degree | Máster universitario en Ingeniería y Ciencia de Datos | |
dc.relation.department | Inteligencia Artificial | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es | |
dc.subject.keywords | Machine Learning | |
dc.subject.keywords | Regression | |
dc.subject.keywords | Lightweight Containers | |
dc.subject.keywords | Tabular Data | |
dc.subject.keywords | Resources Usage | |
dc.subject.keywords | Random Forest | |
dc.title | Resources usage prediction on parallel distributed infrastructures | es |
dc.type | tesis de maestría | es |
dc.type | master thesis | en |
dspace.entity.type | Publication |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- MartinezGarin_Antonio_TFM.pdf
- Tamaño:
- 1.12 MB
- Formato:
- Adobe Portable Document Format