بهبود توازن بار در مدل نگاشت کاهش جهت پردازش کلان داده در خوشه های ناهمگن
Publish place: The Second National Conference on Applied Research in Computer Science and Information Technology
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 896
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CITCONF02_233
Index date: 8 May 2016
بهبود توازن بار در مدل نگاشت کاهش جهت پردازش کلان داده در خوشه های ناهمگن abstract
در سالهای اخیر، مدلهای برنامه نویسی مختلفی برای پردازش کلان داده 1 ارائه شدهاند. در این میان، مدل نگاشت کاهش - 2 توانسته است محبوبیت زیادی، به ویژه در محیط های رایانش ابری بدست آورد. نگاشت کاهش علاوه بر مزایا و ویژگی های منحصر به فردی که دارد، طبیعتاً دارای - چالش های مختلفی نیز هست. مسئله توازن بار یکی از چالش های مهم در مدل های برنامه نویسی توزیع شده از جمله نگاشت کاهش است، و در - صورتی که سازوکار مناسبی برای آن اتخاذ نشود می تواند باعث افزایش زمان اجرای برنامه ها و در نتیجه کاهش کارایی شود. از جمله معیارهایی که در توازن بار نقش کلیدی دارند، محلیت داده ها و انحراف داده ها هستند. ضمن اینکه برای برقراری توازن بار، باید به همگن یا ناهمگن بودن خوشه های محاسباتی نیز توجه داشت. در این تحقیق، روشی بر اساس کنترل ظرفیت ارائه می شود که توازن بار را در مدل نگاشت کاهش برای - خوشه های ناهمگن بهبود میبخشد. بر اساس ارزیابیها و آزمایش های انجام شده، روش پیشنهادی با افزایش محلیت داده ها و در نتیجه بهبود توازن بار، زمان اجرا را به طور میانگین حدود 20 % بهبود بخشیده است.
بهبود توازن بار در مدل نگاشت کاهش جهت پردازش کلان داده در خوشه های ناهمگن Keywords:
بهبود توازن بار در مدل نگاشت کاهش جهت پردازش کلان داده در خوشه های ناهمگن authors
میثم وکیلی
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه علم و فرهنگ
محمدجواد کارگر
عضو هیئت علمی، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه علم و فرهنگ
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 :