文献

J-GLOBAL ID：201402215304262239   整理番号：14A1378527

健康管理アプリケーションの実時間ストリーミングデータ用タスクレベル適応MapReduceフレームワーク

A task-level adaptive MapReduce framework for real-time streaming data in healthcare applications

著者 (6件)： ZHANG Fan (Kavli Inst. for Astrophysics and Space Res., Massachusetts Inst. of Technol., Cambridge, MA 02139, USA) ,  ZHANG Fan (Shenzhen Inst. of Advanced Technol., Chinese Acad. of Sci., Shenzhen 518055, CHN) ,  CAO Junwei (Res. Inst. of Information Technol., Tsinghua Univ., Beijing, 100084, CHN) ,  KHAN Samee U. (Dep. of Electrical and Computer Engineering, North Dakota State Univ., Fargo, ND 58108-6050, USA) ,  LI Keqin (Dep. of Computer Sci., State Univ. of New York, New Paltz, NY 12561, USA) ,  HWANG Kai (Dep. of Electrical Engineering and Computer Sci., Univ. of Southern California, Los Angeles, CA 90089, USA)
資料名： Future Generation Computer Systems  (Future Generation Computer Systems)
巻： 43-44  ページ： 149-160  発行年： 2015年02月 
JST資料番号： A0620C  ISSN： 0167-739X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 健康管理科学アプリケーションは健康状態を監視するために数百のセンサを配置する。大きな課題として,センサによって収集されたストリーミングデータとその実時間処理がある。しかし,現在のクラウドプラットフォームはストリーミングデータ処理モジュールまたは粗粒計算ノードに関する規模が欠如している。タスクレベル適応MapReduceフレームワークを提案した。一貫性実行ループデーモンとしてMap・Reduceタスクを設計することにより,一般MapReduceアーキテクチャを拡張した。計算ノードレベルからの規模よりもMap・Taskレベルで設計されるスケーリング能力に利点がある。実時間で規模拡大・縮小できるだけでなく,計算資源を有効利用できる。実クラウドへの実装に向けて,負荷強度を捕捉し,Map・Reduceタスク量を準備するためのシミュレータを開発した。さらに,未知の負荷特性を推定すべく,2つのストリーミングデータ負荷予測方式,平滑化・Kalmanフィルタを適用した。Kalmanフィルタによる負荷予測性能の改良(63.1%)を見た。また,試験用に実ストリーミングデータ負荷追跡を用いた。実験の結果,提案方式はストリーミングデータ到着率の変化においてMap・Reduceタスクを効率的にスケジュールした。Copyright 2014 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *フレームワーク【ソフトウェア開発】 ,  応用プログラム ,  *健康管理 ,  *データ蓄積 ,  Kalmanフィルタ ,  *並列処理 ,  スケーラビリティ【計算機】 ,  ストリーミング ,  スケジューリング ,  インターネット ,  性能試験 ,  計算機リソース管理
準シソーラス用語： MapReduce ,  ビッグデータ ,  ストリーミングデータ ,  クラウド【IT】 ,  タスクスケジューリング ,  プロビジョニング

分類 (2件)： 計算機システム開発  (JD02010R) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (7件)： アプリケーション ,  実時間 ,  ストリーミングデータ ,  タスク ,  適応 ,  MapReduce ,  フレームワーク