Predicting the Impact of Job Placement on System Performance for z/OS: A Machine Learning Approach – Vivek MISHRA
Vivek MISHRA
Diplomová práce
Predicting the Impact of Job Placement on System Performance for z/OS: A Machine Learning Approach
Abstract:
Efficient utilization of large-scale HPC systems, including z/OS, prioritizes resource management and job scheduling. Modern job scheduling systems need estimates of total wall time and CPU time at job submission to make reliable scheduling decisions. However, z/OS lacks a method for specifying these estimates at submission. This thesis investigates the impact of different job metadata on wall and …víceAbstract:
Efficient utilization of large-scale HPC systems, including z/OS, prioritizes resource management and job scheduling. Modern job scheduling systems need estimates of total wall time and CPU time at job submission to make reliable scheduling decisions. However, z/OS lacks a method for specifying these estimates at submission. This thesis investigates the impact of different job metadata on wall and …více
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 20. 8. 2024
Obhajoba závěrečné práce
- Obhajoba proběhla 20. 9. 2024
- Vedoucí: prof. Dr. Andreas Kassler
Citační záznam
Citace dle ISO 690:
MISHRA, Vivek. \textit{Predicting the Impact of Job Placement on System Performance for z/OS: A Machine Learning Approach}. Online. Diplomová práce. České Budějovice: Jihočeská univerzita v Českých Budějovicích, Přírodovědecká fakulta. 2024. Dostupné z: https://theses.cz/id/xy1d12/.
Jak správně citovat práci
MISHRA, Vivek. Predicting the Impact of Job Placement on System Performance for z/OS: A Machine Learning Approach. České Budějovice, 2024. diplomová práce (Mgr.). JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH. Přírodovědecká fakulta
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- Soubory jsou nedostupné do 20. 9. 2027
- Po tomto datu bude práce dostupná: světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH, Přírodovědecká fakulta
JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH
Přírodovědecká fakultaMagisterský studijní program / obor:
Artificial Intelligence and Data Science / Artificial Intelligence and Data Science
Práce na příbuzné téma
-
A Critical Review on the application of Artificial intelligence (machine learning) in the Oil and Gas industry
Shad KAMAL QADIR -
Tool for data pre-processing and iterative learning of neural networks
Kristián Malák -
Fast object detection on mobile platforms using neural networks
Tomáš Repák -
Synthesis of microscopy images using neural networks
Martin Kozlovský -
Smart Picture Enlargement Using Neural Networks
Michal Čaniga