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。
BigData処理の最近の必要性は,効率的な大規模処理のためのいくつかのMap-Reduce応用の開発をもたらした。大きな計算資源のオンデマンドアベイラビリティに由来して,公共クラウドは自然宿主これらMap-Reduce応用となっている。この場合,ユーザがmapreduceタスクの展開またはスケジューリング以外のそれらのMapReduceクラスタを自身に借りる必要がある資源決定する必要がある。は自明なタスクではない特にユーザがデッドラインのような性能制約を持ち,非常にお金をかけない意図して選択するいくつかの雲製品タイプを持つ可能性がある。はいくつかの既存のスケジューリングシステムであるが,しかしそれらのほとんどはMap-Reduce応用のスケジューリングを管理するために開発されていない。すなわち,マップの数のようなものを考察し,VM当たりタスクとスロットを減少させない。本論文では,ユーザの予算およびデッドライン制約を考慮しながら賃貸クラウドリソースのコストを最小化するために,ユーザ制約を考慮した新しい欲張りスケジューリングアルゴリズム(MASA)を提案した。シミュレーション結果は,この提案したアルゴリズムを用いることによって現行の方法と比較して25 60%削減コストを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】