Buchumschlag

A Kubernetes custom scheduler based on reinforcement learning for compute-intensive pods

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Hanlin, Chan, Huah Yong, Zhang, Shun Yao, Lin, Meie, Ni, Jingfei
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Automatic Adjustment of HPA Parameters and Attack Prevention in Kubernetes Using Random Forests
von: Zhou, Hanlin, et al.
Veröffentlicht: (2026)

Multi-objective application placement in fog computing using graph neural network-based reinforcement learning
von: Lera, Isaac, et al.
Veröffentlicht: (2026)

Distributedness based scheduling
von: Ranjan, Paritosh, et al.
Veröffentlicht: (2025)

Adaptive Resource Allocation for Workflow Containerization on Kubernetes
von: Shan, Chenggang, et al.
Veröffentlicht: (2023)

Kubernetes in Action: Exploring the Performance of Kubernetes Distributions in the Cloud
von: Aqasizade, Hossein, et al.
Veröffentlicht: (2024)

A User-centric Kubernetes-based Architecture for Green Cloud Computing
von: Zanotto, Matteo, et al.
Veröffentlicht: (2025)

Blockchain-aided wireless federated learning: Resource allocation and client scheduling
von: Li, Jun, et al.
Veröffentlicht: (2024)

Signalling Health for Improved Kubernetes Microservice Availability
von: Roberts, Jacob, et al.
Veröffentlicht: (2025)

Integrated user scheduling and beam steering in over-the-air federated learning for mobile IoT
von: Liu, Shengheng, et al.
Veröffentlicht: (2025)

Enhancing Kubernetes Resilience through Anomaly Detection and Prediction
von: Anemogiannis, V., et al.
Veröffentlicht: (2025)

A Contention-Free Model for Converged Kubernetes on HPC
von: Sochat, Vanessa, et al.
Veröffentlicht: (2024)

Running Cloud-native Workloads on HPC with High-Performance Kubernetes
von: Chazapis, Antony, et al.
Veröffentlicht: (2024)

Performance bounds for priority-based stochastic coflow scheduling
von: Brun, Olivier, et al.
Veröffentlicht: (2025)

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

AAPA: An Archetype-Aware Predictive Autoscaler with Uncertainty Quantification for Serverless Workloads on Kubernetes
von: Zhang, Guilin, et al.
Veröffentlicht: (2025)

KIS-S: A GPU-Aware Kubernetes Inference Simulator with RL-Based Auto-Scaling
von: Zhang, Guilin, et al.
Veröffentlicht: (2025)

The National Research Platform: Stretched, Multi-Tenant, Scientific Kubernetes Cluster
von: Weitzel, Derek, et al.
Veröffentlicht: (2025)

QONNECT: A QoS-Aware Orchestration System for Distributed Kubernetes Clusters
von: Aslan, Haci Ismail, et al.
Veröffentlicht: (2025)

A GPU-accelerated Molecular Docking Workflow with Kubernetes and Apache Airflow
von: Medeiros, Daniel, et al.
Veröffentlicht: (2024)

Resilience Evaluation of Kubernetes in Cloud-Edge Environments via Failure Injection
von: Chen, Zihao, et al.
Veröffentlicht: (2025)

AntBatchInfer: Elastic Batch Inference in the Kubernetes Cluster
von: Li, Siyuan, et al.
Veröffentlicht: (2024)

Container late-binding in unprivileged dHTC pilot systems on Kubernetes resources
von: Sfiligoi, Igor, et al.
Veröffentlicht: (2025)

Mutiny! How does Kubernetes fail, and what can we do about it?
von: Barletta, Marco, et al.
Veröffentlicht: (2024)

Kubernetes in the Cloud vs. Bare Metal: A Comparative Study of Network Costs
von: Redoli, Rodrigo Mompo, et al.
Veröffentlicht: (2025)

Priority Matters: Optimising Kubernetes Clusters Usage with Constraint-Based Pod Packing
von: Christensen, Henrik Daniel, et al.
Veröffentlicht: (2025)

Comparative Analysis of Lightweight Kubernetes Distributions for Edge Computing: Performance and Resource Efficiency
von: Yakubov, Diyaz, et al.
Veröffentlicht: (2025)

Workflow decomposition algorithm for scheduling with quantum annealer-based hybrid solver
von: Kroczek, Marcin, et al.
Veröffentlicht: (2025)

Version age-based client scheduling policy for federated learning
von: Hu, Xinyi, et al.
Veröffentlicht: (2024)

Kubernetes Deployment Options for On-Prem Clusters
von: Bryant, Lincoln, et al.
Veröffentlicht: (2024)

KubeIntellect: A Modular LLM-Orchestrated Agent Framework for End-to-End Kubernetes Management
von: Ardebili, Mohsen Seyedkazemi, et al.
Veröffentlicht: (2025)

KubePACS: Kubernetes Cluster Using Performant, Highly Available, and Cost Efficient Spot Instances
von: Kim, Taeyoon, et al.
Veröffentlicht: (2026)

NL-CPS: Reinforcement Learning-Based Kubernetes Control Plane Placement in Multi-Region Clusters
von: Alam, Sajid, et al.
Veröffentlicht: (2026)

Resource Management Schemes for Cloud-Native Platforms with Computing Containers of Docker and Kubernetes
von: Mao, Ying, et al.
Veröffentlicht: (2020)

Container-level Energy Observability in Kubernetes Clusters
von: Pijnacker, Bjorn, et al.
Veröffentlicht: (2025)

An SLO Driven and Cost-Aware Autoscaling Framework for Kubernetes
von: Punniyamoorthy, Vinoth, et al.
Veröffentlicht: (2025)

Taming the Memory Beast: Strategies for Reliable ML Training on Kubernetes
von: Ray, Jaideep
Veröffentlicht: (2024)

Implementation of New Security Features in CMSWEB Kubernetes Cluster at CERN
von: Ali, Aamir, et al.
Veröffentlicht: (2024)

Orchestrated Co-scheduling, Resource Partitioning, and Power Capping on CPU-GPU Heterogeneous Systems via Machine Learning
von: Saba, Issa, et al.
Veröffentlicht: (2024)

Application of cloud computing platform in industrial big data processing
von: Yao, Ziyan
Veröffentlicht: (2024)

Eudoxia: a FaaS scheduling simulator for the composable lakehouse
von: Srivastava, Tapan, et al.
Veröffentlicht: (2025)