Buchumschlag

Capacity Planning and Scheduling for Jobs with Uncertainty in Resource Usage and Duration

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Patra, Sunandita, Pathan, Mehtab, Mahfouz, Mahmoud, Zehtabi, Parisa, Ouaja, Wided, Magazzeni, Daniele, Veloso, Manuela
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Distributed, Parallel, and Cluster Computing Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Scalable HPC Job Scheduling and Resource Management in SST
von: Abdurahman, Abubeker, et al.
Veröffentlicht: (2025)

Scheduling Deep Learning Jobs in Multi-Tenant GPU Clusters via Wise Resource Sharing
von: Luo, Yizhou, et al.
Veröffentlicht: (2024)

An Elastic Job Scheduler for HPC Applications on the Cloud
von: Bhosale, Aditya, et al.
Veröffentlicht: (2025)

A Comprehensive Hyperledger Fabric Performance Evaluation based on Resources Capacity Planning
von: Melo, Carlos, et al.
Veröffentlicht: (2025)

Duration-Informed Workload Scheduler
von: Loreti, Daniela, et al.
Veröffentlicht: (2026)

Rubick: Exploiting Job Reconfigurability for Deep Learning Cluster Scheduling
von: Zhang, Xinyi, et al.
Veröffentlicht: (2024)

Metronome: Efficient Scheduling for Periodic Traffic Jobs with Network and Priority Awareness
von: Jiang, Hao, et al.
Veröffentlicht: (2025)

Data-Locality-Aware Task Assignment and Scheduling for Distributed Job Executions
von: Zhao, Hailiang, et al.
Veröffentlicht: (2024)

Quantifying the Carbon Reduction of DAG Workloads: A Job Shop Scheduling Perspective
von: Bostandoost, Roozbeh, et al.
Veröffentlicht: (2025)

Evaluating Malleable Job Scheduling in HPC Clusters using Real-World Workloads
von: Zojer, Patrick, et al.
Veröffentlicht: (2026)

MRSch: Multi-Resource Scheduling for HPC
von: Li, Boyang, et al.
Veröffentlicht: (2024)

SPARS: A Reinforcement Learning-Enabled Simulator for Power Management in HPC Job Scheduling
von: Amrizal, Muhammad Alfian, et al.
Veröffentlicht: (2025)

Asymptotically Optimal Scheduling of Multiple Parallelizable Job Classes
von: Berg, Benjamin, et al.
Veröffentlicht: (2024)

DMRlib: Easy-coding and Efficient Resource Management for Job Malleability
von: Iserte, Sergio, et al.
Veröffentlicht: (2026)

Deep Back-Filling: a Split Window Technique for Deep Online Cluster Job Scheduling
von: Wang, Lingfei, et al.
Veröffentlicht: (2024)

LLMSched: Uncertainty-Aware Workload Scheduling for Compound LLM Applications
von: Zhu, Botao, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Job Scheduling and Resource Management in Cloud Computing: An Algorithm-Level Review
von: Gu, Yan, et al.
Veröffentlicht: (2025)

Alternative Mixed Integer Linear Programming Optimization for Joint Job Scheduling and Data Allocation in Grid Computing
von: Feng, Shengyu, et al.
Veröffentlicht: (2025)

Resource-Constrained Decentralized Federated Learning via Personalized Event-Triggering
von: Zehtabi, Shahryar, et al.
Veröffentlicht: (2022)

SageSched: Efficient LLM Scheduling Confronting Demand Uncertainty and Hybridity
von: Gan, Zhenghao, et al.
Veröffentlicht: (2026)

Cortex: Workflow-Aware Resource Pooling and Scheduling for Agentic Serving
von: Pagonas, Nikos, et al.
Veröffentlicht: (2025)

Energy-Efficient Real-Time Job Mapping and Resource Management in Mobile-Edge Computing
von: Gao, Chuanchao, et al.
Veröffentlicht: (2025)

Flora: Efficient Cloud Resource Selection for Big Data Processing via Job Classification
von: Will, Jonathan, et al.
Veröffentlicht: (2025)

Optimizing Hardware Resource Partitioning and Job Allocations on Modern GPUs under Power Caps
von: Arima, Eishi, et al.
Veröffentlicht: (2024)

Data-Driven Analysis to Understand GPU Hardware Resource Usage of Optimizations
von: Islam, Tanzima Z., et al.
Veröffentlicht: (2024)

KubeDSM: A Kubernetes-based Dynamic Scheduling and Migration Framework for Cloud-Assisted Edge Clusters
von: Pashaeehir, Amirhossein, et al.
Veröffentlicht: (2025)

FREESH: Fair, Resource- and Energy-Efficient Scheduling for LLM Serving on Heterogeneous GPUs
von: He, Xuan, et al.
Veröffentlicht: (2025)

LRScheduler: A Layer-aware and Resource-adaptive Container Scheduler in Edge Computing
von: Tang, Zhiqing, et al.
Veröffentlicht: (2025)

Dynamic Service Scheduling and Resource Management in Energy-Harvesting Multi-access Edge Computing
von: Chen, Shuyi, et al.
Veröffentlicht: (2025)

Optimal Fixed Priority Scheduling in Multi-Stage Multi-Resource Distributed Real-Time Systems
von: Kumar, Niraj, et al.
Veröffentlicht: (2024)

Collaborative Resource Management and Workloads Scheduling in Cloud-Assisted Mobile Edge Computing across Timescales
von: Tang, Lujie, et al.
Veröffentlicht: (2024)

Adaptive Job Scheduling in Quantum Clouds Using Reinforcement Learning
von: Luo, Waylon, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning-based Methods for Resource Scheduling in Cloud Computing: A Review and Future Directions
von: Zhou, Guangyao, et al.
Veröffentlicht: (2021)

Learning-Based Approaches for Job Shop Scheduling Problems: A Review
von: Rihane, Karima, et al.
Veröffentlicht: (2025)

Evaluating the Efficacy of LLM-Based Reasoning for Multiobjective HPC Job Scheduling
von: Jadhav, Prachi, et al.
Veröffentlicht: (2025)

Venn: Resource Management for Collaborative Learning Jobs
von: Liu, Jiachen, et al.
Veröffentlicht: (2023)

KS+: Predicting Workflow Task Memory Usage Over Time
von: Bader, Jonathan, et al.
Veröffentlicht: (2024)

Scheduling Techniques of AI Models on Modern Heterogeneous Edge GPU -- A Critical Review
von: Majeed, Ashiyana Abdul, et al.
Veröffentlicht: (2025)

Advanced Scheduling Strategies for Distributed Quantum Computing Jobs
von: Ni, Gongyu, et al.
Veröffentlicht: (2026)

Revisiting the Schedule Graph Generation for the Exact and Sustainable Analysis of Non-preemptive Scheduling
von: Vlk, Marek, et al.
Veröffentlicht: (2024)