Ps-Stream: Proactive Straggler Mitigation Using Spatio-Temporal Features for Elastic Stream Computing Systems

Minghui Wu

doi:10.1109/tc.2026.3731957

Ps-Stream: Proactive Straggler Mitigation Using Spatio-Temporal Features for Elastic Stream Computing Systems

2026-09-07

0

PRE

AI

DOI：10.1109/tc.2026.3731957

原文链接

原文求助

摘要

En 中文

近期流计算系统已从基于静态阈值的拖尾任务检测转向基于自适应时序模式的预测。现有预测方法通常依赖自回归时间序列分析来建模集群中每个节点的历史资源使用情况。然而，它们往往忽视了节点间的状态相关性，导致孤立预测模型无法捕捉节点间的动态时空依赖关系。为解决这些局限性，我们提出了Ps-Stream框架，用于拖尾任务的预测与缓解。首先，Ps-Stream通过将计算节点建模为时空图，在每个时间步构建空间图并将相邻时间步的节点进行连接。其次，它结合图卷积网络（GCNs）和注意力机制，学习时空表示以预测拖尾任务，其中GCNs用于捕捉空间依赖关系，注意力机制用于建模时序动态。第三，它整合了细粒度任务迁移策略，主动将任务从预测的拖尾节点重新分配至负载最低的节点，同时考虑任务依赖关系和迁移成本以最小化迁移开销。实验结果表明，与当前最佳基线相比，Ps-Stream可将拖尾任务预测准确率最高提升26%，最大系统延迟降低62%，最大吞吐量提升一倍以上，资源利用率最高提高34%。

Keyword:

Stream computing systems

straggler prediction

straggler mitigation

graph convolutional network

attention mechanism

Ps-Stream: Proactive Straggler Mitigation Using Spatio-Temporal Features for Elastic Stream Computing Systems

摘要

期刊

机构

引用论文