卷积神经网络与门控循环单元结合用于能耗感知资源分配
分布式、并行与集群计算
2021-06-24 v1 机器学习
网络与互联网体系结构
摘要
云计算服务模型经历了快速增长，而低效的资源使用已知是云数据中心高能耗的最大成因之一。云数据中心中旨在降低能耗的资源分配已通过虚拟机(VMs)的实时迁移并将其整合到少量物理机(PMs)中来实现。然而，选择合适VM进行迁移是一项重要挑战。为解决此问题，可根据用户请求模式将VM分为对延迟敏感或不敏感两类，随后选取合适VM进行迁移。本文中，利用卷积神经网络(CNN)与门控循环单元(GRU)的结合对Microsoft Azure数据集中的VM进行分类。由于该数据集中多数VM被标注为对延迟不敏感，迁移该组中更多VM不仅降低能耗，还减少了服务等级协议(SLA)的违反。基于实证结果，所提模型获得了95.18%的准确率，明显展示了我们模型相较于其他现有模型的优越性。
引用
@article{arxiv.2106.12178,
title = {Combination of Convolutional Neural Network and Gated Recurrent Unit for Energy Aware Resource Allocation},
author = {Zeinab Khodaverdian and Hossein Sadr and Seyed Ahmad Edalatpanah and Mojdeh Nazari Solimandarabi},
journal= {arXiv preprint arXiv:2106.12178},
year = {2021}
}