抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
MapReduceは,データ集約型コンピューティングの分野で一般的なプログラミングモデルとして出現した。これはその単純化された設計,プログラマのための使用の容易さを提供する,Hadoopのようなフレームワークの実装,大きなビジネスと技術会社によって採用されているによるものであった。実用的MapReduceアプリケーションにおける一つの重要な問題は,データスキュー:各タスクに割り当てられたデータ量の不均衡である。これは他のものよりにはるかに長くかかるにいくつかのタスク,性能に大きく影響した。側低減におけるデータスキューのための既存の解決策は,写像関数が始まる前ユーザは,特定の応用のための新しい分割をカスタマイズ,または付加的なサンプリング過程を実行するために必要とするオーバヘッドを増加させた。側低減,本論文で減速機スキューと呼ばれるデータスキューを緩和するために,負荷統計に基づく負荷バランシング戦略,すなわちMRSIMを提案した。還元段階における入力データ分布を得るために,MRSIM統計計算データ,MapReduceにおけるシャッフル段階の完全利用を調製した。全クラスタの負荷をバランスさせるために,MRSIMは再配分重ノードにタスクを減少させるデータ分布に従ってアイドルに変化した。さらに,負荷フィードバック機構を導入することにより,複雑な応用を実行する場合,MRSIMは,クラスタの性能を改善した。糸(Hadoop2.2.0)におけるMRSIMを評価し,実験結果は筆者らのMRSIMは天然Hadoopにおけるデフォルト戦略を凌駕することを示し,実行時間の改善は17%に達した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】