بررسی الگوریتم های زمانبندی و بهینه سازی کارها در نگاشت کاهش

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 607

This Paper With 10 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:

ICTCK02_163

تاریخ نمایه سازی: 8 آبان 1395

Abstract:

در سالهای اخیر زمانبندی و بهینه سازی کار در نگاشت کاهش توجه بسیاری از محققان را به خود جلب کرده است. چارچوبنگاشت کاهش به عنوان راه حلی موثر برای پردازش داده های بزرگ و موازی مورد توجه قرار گرفته و برای پردازش این داده ها ازتعداد زیادی منابع که به صورت یک خوشه کار می کنند بهره می گیرد. چارچوب طراحی شده با استفاده از فایل سیستم توزیعشده Hadoop امکان ذخیره سازی اطلاعات را در چندین سرویس دهنده با هزینه ی کمتری فراهم می آورد و به دلیل انعطاف پذیر بودن در محیط های ابری استفاده میشود. همچنین در هنگام انجام محاسبات توزیع شده ویژگی هایی مانند یکپارچگیداده ها، دردسترس بودن، مقایس پذیری و بازیابی شکست را به صورت شفاف برای کاربران ارائه میدهد. نتایج تجربی نشان می-دهند که الگوریتم های بهینه سازی و زمان بندی گردش کاری نگاشت کاهش می تواند زمان پاسخ کارها و اختصاص منابع درپردازش ناهمگن را افزایش دهد. مضمون این مقاله بررسی موضوعات اصلی مربوط به Hadoop الگوریتم ها و روشهای بهینه سازی زمانبندی کارها در نگاشت کاهش می باشد.

Authors

آزاده صالحی اسفجی

گروه مهندسی نرم افزار، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

محمود عباسی نوکر

گروه مهندسی نرم افزار، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

سودابه امام زاده

گروه مهندسی نرم افزار، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

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 :
  • Dean, J. and S. Ghemawat, MapReduce: on large ...
  • clusters. C ommunic ations of the ACM, 2008. 51(1): p. ...
  • Ekanayake, J., et al. Twister a runtime for iterative mapreduce.in ...
  • Elnikety, E., T. Elsayed, and H.E. Ramadan. for ...
  • Technology and Science (CloudCom), 2011 IEEE Third Internati onal Conference ...
  • Ahmad, F., et al., MapReduce with _ ommunication overlap (MaRCO). ...
  • Bu, Y., et al., HaLoop: efficient iterative data processing on ...
  • Grossman, M., M. Breternitz, and V. Sarkar. distributed ...
  • heterogeneous platforms through seamless integration of hadoop and opencl. in ...
  • Feller, E., L. Ramakrishnan, and C. Morin, Performance and energy ...
  • Wang, L, et al., G-Hadoop: MapReduce across distributed data centers ...
  • Borthakur, D., The hadoop distributed fie system: Architecture and design. ...
  • LIN, W.-h., et al., MapReduce optimization algorithm based on machine ...
  • Journal of China Universities of Posts and T elec ommunication ...
  • (CloudCom), 2012 IEEE 4th International Conference on. 2012. IEEE. ...
  • Deng, T. and K. Li. A MapReduce scheduling algorithm for ...
  • Int ernational Conference on. 2014. IEEE. ...
  • Bakshi, K. Considerations for big data: Architecture and approach. in ...
  • He, B., et al. Mars a MapReduce framework _ graphics ...
  • Song, W., et al. Task Scheduling of Massive Spatial Data ...
  • Parallel and Distributed Systems (ICPADS), 2011 IEEE 17th Internati onal ...
  • Tan, J., X. Meng, and L. Zhang, Delay tails scheduling. ...
  • Review, 2012. 40(1): p. 5-16. ...
  • Herodotou, H., F. Dong, and S. Babu, Mapreduce programming and ...
  • Endowment, 2011. 4(12): p. 1446-1449. ...
  • Jahani, E., M.J. Cafarella, and C. Re, Automatic optimization for ...
  • Lim, H., H. Herodotou, and S. Babu, Stubby: A trans ...
  • Hsu, C.-H., K.D. Slagter, and Y.-C. Chung, Locality and loading ...
  • _ ommunication in MapReduce applications. Future Generation Computer Systems, 2015. ...
  • Zhang, Y., et al., imapreduce: A distributed iterative ...
  • computation. Journal of Grid Computing, 2012. 10(1): p. 47-68. ...
  • Husain, M.F., et al., Storage and retrieval of large rdf ...
  • Moon, S., et al., Optimizing the Hadoop high- ...
  • performance storage devices. The Journal of Sup ercomputing, 2015: p. ...
  • Jin, S., S. Yang, and Y. Jia. Optimization of task ...
  • Conference on. 2012. IEEE. ...
  • Noll, M., Benchmarking and stress testing an Hadoop cluster with ...
  • Gu, R., et al., SHadoop: Improving MapReduce performance by optimizing ...
  • Computing, 2014. 74(3): p. 2166-2179 ...
  • Dittrich, J., et al., Hadoop++: making a yellow elephant run ...
  • Ahmad, F, et al. Tarazu: optimizing MapReduce _ heterogeneous clusters. ...
  • Polato, I., et al., A comprehensive view of Hadoop research-A ...
  • Ritter, A., S. Clark, and O. Etzioni. Named entity recognition ...
  • نمایش کامل مراجع