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。
糸またはMesosのような資源管理システムは,ユーザが一時的に保存容器における分析作業を実行することによりクラスタインフラストラクチャを共有することを可能にする。これらの容器は,単一解析ジョブの変動資源使用にもかかわらず高度の全体的な資源利用を達成するために分離した典型的ではない。しかし,ジョブのいくつかの組合せは,資源をよりよく利用と他のものより同じノードで動く時,お互いで干渉する。共有クラスタ環境における再発データ解析ジョブのスケジューリングと資源利用と職務スループットを改善するためのアプローチを提案した。強化学習アルゴリズムを用いて,スケジューラは連続的にジョブが最良のクラスタ上で同時に実行される学習する。Hadoop糸上に構築された実装の評価は,このアプローチは,資源利用を増加させ,ジョブ実行時間を減少させることができることを示した。ジョブ間の干渉を避けることができるが,相補的資源利用を伴うジョブの位置は常に完全に認識されていない。しかし,コロケーション良さのより良い測度を用いた,提案した解決策は繰り返しバッチ・ジョブがある作業負荷にスケジューリングを自動的に適応に用いることができる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】