روشی غیر متمرکز برای کاوش روابط رویداد، در نظارت بر سیستم توزیع شده

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 397

This Paper With 21 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

RCEITT01_173

تاریخ نمایه سازی: 11 اردیبهشت 1394

Abstract:

امروزه، تقاضای روبه رشدی برای نظارت، تحلیل و کنترل مقیاس بزرگی از سیستم های توزیع شده وجود دارد. رویداد هایی که در طول نظارت تشخیص داده می شوند، به صورت موقت بهم مربوط هستند ، که این مورد میتواند در تخصیص منبع، زمانبندیشغلی و پیش بینی خطا مفید باشد. به منظور کشف روابط بین رویداد های تشخیص داده شده، روش های زیادی وجود دارد که بر روی رویداد های تشخیص داده شده در داخل پایگاه داده ی رویداد و همچنین کاوش بر روی آن متمرکز هستند.ما مدعی هستیمکه با رشد سریع رویداد های نظارت شده ای که نمیتوان تنها با یک کامپیوتر به کشف روابط بین آنها پرداخت، این روش ها برایسیستم های توزیع شده در مقیاس بزرگ، مقیاس پذیر نیستند، در این مقاله، ما یک روش غیر متمرکز را به منظور تشخیص کارآمد رویداد ها، فیلتر سازی رویداد های نا مرتبط و کشف روابط موقتی بین آنها ارائه داده ایم. همچنین یک الگوریتم مبتنی بر کاهش نگاشت با نامMapReduce-Apriroriارائه داده ایم تا به وسیله ی آن بتوانیم به داده کاوی قوانین انجمنی بپردازیم این الگوریتم از منبع محاسباتی چندین گره از سیستم استفاده میکند. نتایج آزمایشی نیز نشان داده است که الگوریتم کاوش روابط رویداد غیر متمرکز ما، تقریباٌ به یک افزایش سرعت ایده آلی نسبت به روش های کاوش متمرکز رسیده است

Authors

حسین کرم زاده

دانشجوی کارشناسی ارشد ، دانشگاه پیام نور.

مهدی جوانمرد

استادیار دانشگاه پیام نور.

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. Li, M. Qiu, Z. Ming, G. Quan, X. Qin, ...
  • S. Meng, S.R. Kashyap, C. Venkatramani, L. Liu, REMO: Re ...
  • D. Tang, R.K. Iyer, Analysis and modeling of correlated failures ...
  • S. Fu, C. Xu, Exploring event correlation for failure prediction ...
  • S. Fu, C. Xu, Quantifying event correlations for proactive failure ...
  • W. Zhou, J. Zhan, D. Meng, D. Xu, Z. Zhang, ...
  • A. Rakesh, S. Ramakrishnan, Fast algorithms for mining association rules ...
  • _ Boukerche, S. Samarah, A novel algorithm for mining association ...
  • K. Rmer, Discovery of frequent distributed event patterns in Sensor ...
  • J. Parallel Distrib. Comput. 73 (2013) 330-340 journal homepage: _ ...
  • E. Al-Shaer, H. Abdel-Wahab, K. Maly, Hifi: a new monitoring ...
  • G. Cormode, M. Garofalakis, S. Muthukri shnan, R. Rastogi, Hoolistic ...
  • A. Deligiannakis, Y. Kotidis, N. Roussopoulos, Hierarchical in-network data aggregation ...
  • Y. Li, P. Ning, X.S. Wang, S. Jajodia, Discovering calendar-based ...
  • A. Silberstein, R. Braynard, J. Yang, Constraint chaining: On energy ...
  • I. Sharfman, A. Schuster, D. Keren, A geometric approach to ...
  • A. Cuzzocrea, Cams: olaping multidimen sional data streams efficiently, in: ...
  • J.F. Roddick, M. Spiliopoulou, A survey of temporal knowledge discovery ...
  • J.M. Ale, G.HH. Rossi, An approach to discovering temporal association ...
  • X. Chen, I. Petrounias, Mining temporal features in association rules, ...
  • G. Khanna, P. Varadharajan, S. Bagchi, Automated online monitoring of ...
  • M.J. Zaki, Scalable algorithms for association mining, The IEEE Transactions ...
  • J.S. Park, M. Chen, P. Yu, Efficient parallel data mining ...
  • B.H. Park, H. Kargupta, Distributed data mining: algorithms, systems, and ...
  • H. Li, Y. Wang, D. Zhang, M. Zhang, E.Y. Chang, ...
  • E.Y. Chang, H. Bai, K. Zhu, Parallel algorithms for mining ...
  • D.W. Cheung, J. Han, V.T. Ng, A.W. Fu, Y. Fu, ...
  • J. Dean, S. Ghemawat, Mapreduce: simplified data processing on large ...
  • J.D. Cryans, S. Ratte, R. Champagne, Adaptation of apriori to ...
  • X.Y. Yang, Z. Liu, Y. Fu, MapReduce a a programming ...
  • S. Hammoud, MapReduce network enabled algorithms for classification based On ...
  • E.H. Han, G. Karypis, V. Kumar, Scalable parallel data mining ...
  • نمایش کامل مراجع