Resumen

El reparto equitativo de clusters multiusuario es un problema clásico en la construcción de clusters. Sin embargo, el sistema de computación de clusters para aplicaciones híbridas de big data tiene características de requisitos heterogéneos, lo que hace que cada vez más gestores de recursos de clusters admitan un manejo de recursos de aprendizaje multidimensional detallado. En este contexto, se orienta a multiusuarios de recursos de aprendizaje multidimensional. Los clusters compartidos se han convertido en un nuevo tema. Una única consideración de un cluster compartido de manera equitativa resultará en un gran desperdicio de recursos en el contexto de asignación de recursos discreta y dinámica. La equidad y eficiencia del reparto de recursos de cluster para recursos de aprendizaje multidimensional son igualmente importantes. Este artículo estudia la tecnología de procesamiento de big data y sistemas representativos y analiza la tecnología de análisis multidimensional y optimización del rendimiento. Este artículo discute la importancia de la optimización de la asignación de recursos de aprendizaje multidimensional discreto en escenarios dinámicos. Al mismo tiempo, ante el hecho

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Construcción de clústeres; Sistema de computación en clúster; Recursos de aprendizaje multidimensionales; Gestión de recursos; Aplicaciones de big data; Compartición justa
• Keywords:Cluster construction; Cluster computing system; Multidimensional learning resources; Resource management; Big data applications; Fair sharing