SkipPredict：何时为调度投入预测成本
机器学习
2024-02-07 v1 分布式、并行与集群计算
摘要
鉴于近期关于利用预测作业大小进行调度的研究，我们考虑了排队系统中预测成本的影响，移除了先前研究中预测外在于系统资源和/或零成本的假设。特别地，我们引入了一种利用预测的新方法 SkipPredict，旨在解决其固有成本。我们并非对所有作业统一应用预测，而是提出了一种根据作业的预测需求进行分类的定制化方法。为实现这一点，我们采用一位的“廉价预测”将作业分类为短作业或长作业。SkipPredict 优先处理预测为短的作业，而对于长作业，则应用第二轮更详细的“昂贵预测”来近似这些作业的最短剩余处理时间。我们的分析考虑了预测成本，并考察了该成本在两种不同模型下的影响。在外部成本模型中，预测由某种外部方法生成，不影响作业服务时间但会产生成本。在服务器时间成本模型中，预测本身需要服务器处理时间，并与作业在同一服务器上进行调度。
引用
@article{arxiv.2402.03564,
title = {SkipPredict: When to Invest in Predictions for Scheduling},
author = {Rana Shahout and Michael Mitzenmacher},
journal= {arXiv preprint arXiv:2402.03564},
year = {2024}
}