基于AI的作业站点匹配资源与性能数据集-thedevastator
数据来源：互联网公开数据
标签：AI,作业匹配,资源,性能,时间序列分析,GlideinWMS,计算,集群,CPU,内存,磁盘,失败率
数据概述：
本数据集旨在为基于AI的作业站点匹配提供支持，重点关注资源利用率和性能表现。数据集包含了超过40万小时的资源和性能数据，涵盖了多个关键指标，包括磁盘使用量、CPU缓存大小、CPU占用状态、内存使用情况、以及作业的成功或失败状态等。数据集由三个主要文件组成：dataset_classification.csv、dataset_time_series_analysis.csv和dataset_400k_hour.csv。dataset_classification.csv 提供了关于关键资源指标的信息；dataset_time_series_analysis.csv 提供了详细的时间序列分析结果；dataset_400k_hour.csv 包含了来自超过 40 万小时测试的计算结果。
数据用途概述：
该数据集可用于优化GlideinWMS作业的站点选择，提高计算效率和资源利用率。研究人员可以使用此数据进行时间序列分析，预测作业的成功率和性能表现。此外，数据集还可用于开发和训练AI模型，以实现智能作业站点匹配，从而提高系统吞吐量、减少作业失败率，并优化资源分配。具体应用场景包括：根据作业的资源需求推荐合适的站点，预测作业在不同站点上的运行时间，以及分析作业失败的原因并提出改进建议。
