ارزیابی توان مصرفی مدل های برنامه نویسی مبتنی بر Map Reduce در سیستم های با حافظه مشترک

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,736

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICEEE04_131

تاریخ نمایه سازی: 6 مهر 1391

Abstract:

یکی از مدل های مطرح در برنامه نویسی موازی Map Reduce می باشد. در شرکت هایی که از چارچوب Map reduce استفاده می کنند در هر لحظه تعداد زیادی کامپیوتر در حال اجرای توابع Map و Reduce هستند. این توابع به تعداد بسیار زیادی انجام می شوند و می توانیم اثرات هر گونه تغییر کوچک در سرعت پاسخ گویی و یا توان مصرفی هر اجرای Map reduce را بسیار بالا تخمین بزنیم از طرف دیگر، توان و انرژی مصرفی به یک چالش مهم در سیستم های کامپیوتری با بازدهی بالا مبدل گشته است. به گونه ای که معیارهایی مثل توان مصرفی به همان اندازه معیار های بازدهی اهمیت دارند. امروزه هم به دلیل گرمای تولید شده وهم به دلیل کاهش ذخایر انرژی اهمیت ذخیره کردن توان مصرفی روز بروز بیشتر روشن می شود. به همین دلیل پیدا کردن قسمت هایی از برنامه ها که توان مصرفی بیشتری دارند برای ما بسیار حائز اهمیت است چون با پیدا کردن این قسمت ها می توانیم راههای بهبود آنها را نیز بررسی و چاره اندیشی کنیم. آن چه در این مقاله ارائه می شود بررسی چارچوب Map REduce موجود و برنامه های مطرح در این زمینه از جنبه توان مصرفی، که در محیط چند هسته ای با حافظه مشترک پیاده سازی شده اند، میباشد.

Keywords:

توان مصرفی , موازات در سطح نخ , چارچوب نگاشت کاهش , بازدهی , پردازنده های چند هسته ای , حافظه مشترک

Authors

سیده زهرا خوشمنش

دانشگاه شیراز

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • J. Lo, J. Emer, H. Levy, R. Stamm, D. Tullsen, ...
  • NVIDIA Corporation. NVIDIA CUDA Programming Guide. 2009 ...
  • Jeffrey Dean and Sanjay Ghemawat. MapReduce: simplified data processing on ...
  • Soyean.park, weihang.jiang, yuanyuan. zhou, sarita. Managing Energy -Performance Tradeoffs Applications ...
  • adveSIGME TRICS '07 June 12-16, 2007, San Diego, California, USA. ...
  • G. E. Moore, :Cramming more components onto integrated circuits", Proc ...
  • W. A. Wulf, S. A. McKee, "Hitting the memory wall: ...
  • Sh. Ryoo, Ch. I. Rodrigues, S. S. Baghsorkhi, S. S. ...
  • th Iranian _ _ _ (ICEEE2012) _ ...
  • Symposium on Principles and practice of parallel programming, February 20-23, ...
  • Compilation Techniques Canada, October 2008 ...
  • C. Belady. In the Data Center, Power and Cooling Costs ...
  • Report To Congress on Server and Data Center Energy Efficiency. ...
  • L. A. Barroso and U. HFolzle. The Case for Energy ...
  • Colby Ranger, Ramanan Raghuraman, Arun Penmetsa, Gary Bradski, and Christos ...
  • th Intl. Symposium on High-P erformance Computer architecture (HPCA) Phoenix, ...
  • Compilation Techniques (PACT) , Toronto, Canada, October 2008 ...
  • willis.lang Management ...
  • Proceedings of the VLDB Endowment, Vol. 3, No. 1Copyright 2010 ...
  • K. Heafield, "Introduction To Hadoop, " Google Inc, 2008 ...
  • 1 0(http ://www. eecs .berkeley. edu/Pub s/TechRp ts/20 10EECS-201 _ ...
  • J. Leverich and C. Kozyrakis. On the Energy (In)efficiency of ...
  • measurement, The Google Blog, 2009. ...
  • نمایش کامل مراجع