FCS 文章精要 中山大学陈志广等，卓越的F1分数：基于IO特征驱动的流计算系统工作负载识别算法。论文标题：Superior F1-score: I/O feature driven algorithms for stream computing systems workload identification
期刊：Frontiers of Computer Science
作者：Yuxiao HAN, Yubo LIU, Ziyan ZHANG, Fei LI, Zhiguang CHEN, Nong XIAO
发表时间：30 Oct 2024
DOI：10.1007/s11704-024-40710-5
微信链接：点击此处阅读微信文章
引用格式：
Yuxiao HAN, Yubo LIU, Ziyan ZHANG, Fei LI, Zhiguang CHEN, Nong XIAO. Superior F1-score: I/O feature driven algorithms for stream computing systems workload identification. Front. Comput. Sci., 2026, 20(5): 2005102
阅读原文：
问题概述
流计算系统是实时处理和分析数据流的重要平台，广泛应用于多种服务。精确识别运行负载是流计算系统中资源管理的核心，但现有方法的分类效果不佳。为此，本文提出了面向不同场景的工作负载识别算法。
技术步骤
通过对阿里云真实负载的分析，我们总结出三点关键结论：分别提取读写数据特征；将偏移量映射至数据块以提升有效性；提取高区分度的时间和空间特征。在此基础上，我们设计了适用于不同需求的工作负载识别算法：针对高精度要求的FGWI算法，利用细粒度数据提取基本、时间、空间和时序特征进行分类；针对低开销的AWI算法，采用聚合数据提取时序特征进行分类。
实验结果
大量实验结果表明，本文提出的算法在分类精度上显著优于现有方法，且在分类稳定性和可扩展性方面表现出良好性能。
期刊简介
Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办，南京大学支持，SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华院士，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐B类期刊；两次入选中国科技期刊国际影响力提升计划；入选第4届中国国际化精品科技期刊；两次入选中国科技期刊卓越行动计划（一期梯队、二期领军）。
中国学术前沿期刊网
http://journal.hep.com.cn
来源：Frontiers of Computer Science
