长排队压力预测训练数据

本数据集包含数千条存在排队压力的TPU性能监控数据，经清洗、筛选及特征工程，衍生出能效比、延迟乘积等特征，以请求排队长度作为回归预测目标。数据按8:1:1划分为训练集、验证集和测试集，可直接用于监督学习模型训练。对外部企业而言，本数据可用于训练排队长度预测模型，帮助负载均衡系统提前感知队列积压风险，动态调整请求分发策略或扩容决策，避免服务超时和资源浪费，提升系统吞吐能力。此外，本数据集可为机器学习模型提供高质量训练数据，用于训练流量预测模型、弹性伸缩决策模型等，具有重要的行业应用价值。本数据集具有独立性：通过明确筛选条件独立抽取、清洗、重索引，并自主设计衍生特征及因变量计算规则。必要性：原始数据中大量零排队记录会稀释排队场景的特征，导致预测模型对积压不敏感；本数据集直接提供聚焦排队压力的干净数据，是TPU负载调度优化训练任务的基础。

搜集汇总

背景与挑战

背景概述

本数据集包含数千条存在排队压力的TPU性能监控数据，经清洗、筛选及特征工程衍生出能效比、延迟乘积等特征，以请求排队长度为回归预测目标，并按8:1:1划分为训练集、验证集和测试集。数据可用于训练排队长度预测模型，帮助负载均衡系统提前感知队列积压风险，动态调整请求分发策略或扩容决策，从而避免服务超时与资源浪费，提升系统吞吐能力。