PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.02524v1cs.DC

SWIFT: 워크로드 트레이스를 위한 시공간 웨이블릿 통합 예측 프레임워크

SWIFT: Spatio-temporal Wavelet Integrated Forecasting Framework for Workload Traces

정확한 클라우드 워크로드 예측은 효율적인 자원 관리에 핵심적이나, 워크로드가 매우 변동성이 크고 갑작스러운 급증에 취약하여 여전히 어려운 과제로 남아 있다. 웨이블릿은 시간적 국소성을 보존하지만, 경직된 고정 기저는 복잡한 패턴 처리에 한계가 있으며 독립적인 처리는 중요한 공간적 의존성을 무시한다. 이를 해결하기 위해 우리는 고효율 워크로드 예측을 위한 순수 합성곱 프레임워크인 SWIFT를 제안한다. 전통적인 고정 웨이블릿 기저를 적응형 합성곱 연산자로 재구성하여 정밀한 데이터 기반 특징 분리를 가능하게 하는 학습 가능한 계단식 웨이블릿 경로(Learnable Cascaded Wavelet Path)를 도입한다. 이를 보완하여, 다변수 상호작용 모듈(Multivariate Interaction Module)은 변수 간 공간적 상호작용과 변수 내 특징 상호작용을 순차적으로 모델링하여 노이즈가 있는 워크로드 상태를 안정화하고 정제한다. 광범위한 실험을 통해 SWIFT가 선형 O(L) 복잡도로 최고 수준(SOTA)의 정확도를 달성하며, 예측 오차를 최대 31.04% 감소시키고 지연 시간을 79.74% 단축함을 입증한다.