Efficient fault monitoring with Collaborative Prediction

Abstract : Isolating users from the inevitable faults in large distributed systems is critical to Quality of Experience. We formulate the problem of probe selection for fault prediction based on end-to-end probing as a Collaborative Prediction (CP) problem. On an extensive experimental dataset from the EGI grid, the combination of the Maximum Margin Matrix Factorization approach to CP and Active Learning shows excellent performance, reducing the number of probes typically by 80% to 90%.
Type de document :
Communication dans un congrès
Journées scientifiques mésocentres et France Grilles, Oct 2012, Paris, France. 2012, <http://mesogrilles2012.sciencesconf.org/8516/document>


https://hal.inria.fr/hal-00758025
Contributeur : Cecile Germain-Renaud <>
Soumis le : mardi 27 novembre 2012 - 21:30:56
Dernière modification le : lundi 16 février 2015 - 13:03:45

Fichier

mesogrilles_CPFDV2.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00758025, version 1

Collections

Citation

Dawei Feng, Cecile Germain-Renaud, Tristan Glatard. Efficient fault monitoring with Collaborative Prediction. Journées scientifiques mésocentres et France Grilles, Oct 2012, Paris, France. 2012, <http://mesogrilles2012.sciencesconf.org/8516/document>. <hal-00758025>

Exporter

Partager

Métriques

Consultation de
la notice

171

Téléchargement du document

47