泊松基于的随机二进制装箱问题的近似算法
摘要：基于随机变量的云调度器在实现尽可能高效地利用机器的同时，避免可能导致CPU限制或内存错误的过载。我们采用随机方法来模拟任务资源需求的不确定性。我们专注于一个很少被探索的情况，每个项目具有对应于任务是空闲还是需要一定CPU份额的伯努利分布。我们的在线近似算法RPAP通过泊松分布对一部分项目进行上界估计。与现有的仅证明伯努利项目近似比例的算法不同，我们提供了一个封闭形式的表达式。我们推导出RPAPC，一个具有与RPAP相同理论保证的组合方法。在仿真中，RPAPC的结果与FFR（一种贪婪启发式算法）接近，没有最差情况保证；在具有小项目的数据集上，RPAPC略优于FFR。
作者：Tomasz Kanas, Krzysztof Rzadca
论文ID：2308.13512
分类：Distributed, Parallel, and Cluster Computing
分类简称：cs.DC
提交时间：2023-08-28