基于用户行为的超级计算机作业失败预测方法

来源：计算机工程与科学杂志2022年第10期北京时间：

作者：唐阳坤, 鲜港, 杨文祥, 喻杰, 张晓蓉, 王耀彬

单位：1.西南科技大学计算机科学与技术学院，四川 绵阳 621010；2.中国空气动力研究与发展中心计算空气动力研究所，四川 绵阳 621050;3.国防科技大学计算机学院，湖南 长沙 410073

摘要：超级计算机的规模不断扩大，与此同时，科学应用的复杂性也在不断增加，这导致了超级计算机上许多作业失败。作业失败会造成资源浪费，排队作业等待时间延长，严重影响系统的执行效率。提前预测作业失败，就可以采取必要的措施提升系统资源利用率和系统执行效率，这对未来的E级超级计算机至关重要。为此，尝试研究从已知的传统特征和构建特征中预测作业失败，发现能够反映用户工作行为模式和提交行为模式的特征及处理方式。通过结合行为特征和传统特征，提出基于树结构模型的综合框架来预测作业失败。实验结果表明，预测效果优于其他相关方法。

关键词：系统执行效率,作业日志分析,用户行为,作业失败预测,机器学习,

基金资助：国家自然科学基金（61872304,61802320）;空气动力学国家重点实验室基金（SKLA20200203）