في عالم الحوسبة الموزعة، يعد التنبؤ الدقيق بزمن تنفيذ المهام (Job Runtime Prediction) أحد العناصر الأساسية لتحسين إدارة الموارد. في دراسة حديثة منشورة على arXiv، تم استعراض التقنيات الفعالة لتنبؤ زمن تنفيذ المهام في بيئات الحوسبة السحابية. يعتمد هذا البحث على مراجعة بيانات عبء العمل من شبكة GWA-T-4 AuverGrid، ويعيد صياغتها لتصبح تنبؤات آمنة من حيث تسرب المعلومات قبل تنفيذ المهام.

تقنياتنا في هذه الدراسة تركز على متغيرات وقت تقديم المهام فقط، مستبعدة المتغيرات بعد التنفيذ، مما يسمح بالتقييم تحت ظروف نشر واقعية. استخدمنا مجموعة من الأساليب بما في ذلك الانحدار القياسي، وتخزين السجلات الزمنية، واستراتيجيات تشفير الفئات، بالإضافة إلى نموذج CatBoost الذي يقدم معالجة أصلية جيدة للفئات.

بعد تحسين المعلمات الزمنية، أظهر نموذج CatBoost النتائج الأكثر قوة، محققًا R² بقيمة 0.239 وMAE بمتوسط 27,019، مما يدل على فعالية هذا النموذج في ظروف النشر.

تمت مقارنة الأداء مع خوارزمية SJF، والتي أظهرت أنها تُقلل وقت الانتظار بمقدار 50.92% مقارنة بخوارزمية FCFS التقليدية.

تشير النتائج إلى أن التقييم العشوائي قد يُبالغ في التقديرات، وأن تعزيز الحالات الأصلية للفئات يمكن أن يُحسن من التعميم على الزمن. لكن، لا تزال مشكلة تقدير زمن المهام الطويلة تشكل تحديًا ملحوظًا متعلقًا بجدولة المهام. هل أنت مستعد لاستكشاف كيف يمكن لهذه التقدمات أن تعيد تشكيل أساليب إدارة الموارد في الحوسبة الموزعة؟