클라우드 컴퓨팅 환경에서 티켓 가격 예측 및 작업 할당에 관한 연구

클라우드 컴퓨팅 환경에서 티켓 가격 예측 및 작업 할당에 관한 연구

중국 대학의 과학 및 기술의 황

특정 작업을 포함: 티켓 가격 변화, 크롤러 기술을 사용 하 여 티켓 가격 밀도 이미지에 따라 티켓 데이터를 캡처의 법칙을 찾아 하려고 항공 수익의 가격 관리에 대 한 1 티켓 cluster_predict_ticket 알고리즘을 살 것인지 결정을 앞으로 넣어. 2 Cluster_predict_ticket 알고리즘의 MapReduce 버전 pcluster_predict_ticket 알고리즘을 큰 데이터의 낮은 효율을 다루는 Cluster_predict_ticket 알고리즘에 대 한 제안 비행 데이터. 알고리즘은 Hadoop 환경으로 포팅 고 MapReduce 프로그래밍 모드를 사용 하 여 알고리즘 효율성 향상 됩니다. 실험은 pcluster_predict_ticket 알고리즘은 더 확장 하 고 예측 정확도의 손실 없이 효율적 보여줍니다. Hadoop 작업 이기종에서 일정 문제를 목표로 3 환경, HTA (Hadoop 작업 할당)의 문제는 제안, 그리고 HTA 문제 최소 비용 최대 흐름을 사용 하 여 모델링 됩니다. Λ 흐름 알고리즘은 여러 라운드로 원래 작업 할당 프로세스를 분할 하는 것 제안, 각 라운드는 현재 클러스터 상태 및 기반 동적 작업 할당, 이전 작업의 실행 최적의 실행 효율성을 달성 하기 위해 모든 작업 할당 완료 될 때까지. 다른 알고리즘에 비해, 실험 λ 흐름 알고리즘 클러스터의 동적 변화에 잘 적응 하 고 효과적으로 작업의 실행 시간을 줄일 수 있습니다 보여줍니다. 이 종이의 결과 pcluster_predict_ticket 알고리즘의 확장성 및 λ-흐름 알고리즘의 효과 확인, 효과적으로 하 게 대용량 데이터 환경, 티켓 가격 예측의 효율성의 문제를 해결 하 고 Hadoop 작업의 실행 효율성 향상. 이 논문에서는, 데이터 마이닝 알고리즘의 mapreduce에 대 한 연구만 티켓 데이터에 적용 되지 않습니다 하지만 다른 데이터 마이닝 장면 또한 확장할 수 있다, 한편,이 종이의 작업 작업 일정 클라우드 컴퓨팅 환경에서 문제에 대 한 몇 가지 참조를 제공할 수 있습니다.

클라우드 컴퓨팅 환경에서 티켓 가격 예측 및 작업 할당에 관한 연구