بررسی چند روشزمان بندی در مدل برنامه نویسی موازی Hadoop MapReduce و چالشهای آن در زمینه محلیت و عملکرد بهتر
Publish place: The first regional conference on optimization and soft computing methods in electrical and computer engineering
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,591
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELECOM01_098
تاریخ نمایه سازی: 9 تیر 1393
Abstract:
یک نمونه در حال ظهور برای پردازش داده های فشرده MapReduce است که فن آوری محاسبات ابری را نیز پشتیبانی میکند. انواع برنامه های کاربردی از جمله تجزیه و تحلیل علمی، پردازش دادهها وب و محاسبات با کارایی بالا MapReduce را قبول کردند. پس نیاز به برنامه ریزی کارآمد در یککلاستر مشترک بسیار حس میشود و در این میان زمان بندهای مختلفی ارائه شده است که هر یک جنبههایی از مسائل مربوط به برنامه ریزی را در نظر میگیرند. این جنبهها معمولاً مربوط به مسئله محلیت است، می توان گفت که محلیت در دو فاز reduce و map باید در نظر گرفته شود و از بین بردن سربار هماهنگ سازی بین این دو فاز نیز به این امر کمک میکند. برای از بین بردن سربار هماهنگ سازی نیز روشهایی وجود دارد که در این مقاله به آن پرداخته شده است. یکی از این جنبه ها برای غلبه بر همگام سازی، مربوط به انتخاب و اجرای task های آهسته است. در انتها با توجه به رعایت محلیت در فاز map و عدم اجرای Speculative های اضافی، راه حلی برای افزایش کارایی و ایجاد توازن در نودها بررسی شده است.
Keywords:
Authors
سعیده زارعی
دانشجوی کارشناسی ارشد، دانشگاه غیرانتفاعی علم و فرهنگ تهران
زهره باطنی
استادیار، دانشگاه غیرانتفاعی علم و فرهنگ تهران
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 :