Adaptively Detecting Changes in Autonomic Grid Computing

Xiangliang Zhang 1 Cecile Germain-Renaud 1, 2 Michèle Sebag 1, 2
1 TAO - Machine Learning and Optimisation
CNRS - Centre National de la Recherche Scientifique : UMR8623, Inria Saclay - Ile de France, UP11 - Université Paris-Sud - Paris 11, LRI - Laboratoire de Recherche en Informatique
Abstract : Detecting the changes is the common issue in many application fields due to the non-stationary distribution of the applicative data, e.g., sensor network signals, web logs and grid- running logs. Toward Autonomic Grid Computing, adaptively detecting the changes in a grid system can help to alarm the anomalies, clean the noises, and report the new patterns. In this paper, we proposed an approach of self-adaptive change detection based on the Page-Hinkley statistic test. It handles the non-stationary distribution without the assumption of data distribution and the empirical setting of parameters. We validate the approach on the EGEE streaming jobs, and report its better performance on achieving higher accuracy comparing to the other change detection methods.
Type de document :
Communication dans un congrès
Procs of ACS 2010, Oct 2010, Belgium. http://wiki.esi.ac.uk/ACS2010, 2010
Liste complète des métadonnées

Littérature citée [11 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-00540579
Contributeur : Cecile Germain <>
Soumis le : samedi 27 novembre 2010 - 19:47:48
Dernière modification le : jeudi 5 avril 2018 - 12:30:12
Document(s) archivé(s) le : vendredi 26 octobre 2012 - 17:01:21

Fichier

ACS_xlzhang_final.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00540579, version 1

Collections

Citation

Xiangliang Zhang, Cecile Germain-Renaud, Michèle Sebag. Adaptively Detecting Changes in Autonomic Grid Computing. Procs of ACS 2010, Oct 2010, Belgium. http://wiki.esi.ac.uk/ACS2010, 2010. 〈hal-00540579〉

Partager

Métriques

Consultations de la notice

517

Téléchargements de fichiers

228