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。
クラウドベースサービスである柔軟性,スケーラビリティ,および供給弾性資源の費用対効果オンデマンドによるビッグデータ分析のための人気が高まっている。しかし,データ分析としてサービスは計算と貯蔵クラスタ間のデータ移動のオーバヘッドに苦しんでいる,既存のクラウドインフラストラクチャにおけるデカップルした構造に起因している。本研究では,ストレージクラスタへのクラスタを計算し,仕事のスループットを改善からデータ集約ジョブを動的にクラウドストレージの処理その場ビッグデータの新しいアプローチを提案した。しかし,ストレージクラスタ上の付加的な作業負荷を導入クラウドストレージデータを取得,尾潜時に対する厳密なSLA(サービスレベル一致)する対話型Web要求に影響する可能性があるので,この目的を達成するために挑戦的である。本研究では,MPLEX,尾部応答時間の観点からクラウドストレージサービスのSLAを損なうことなくジョブスループットを改善するために効率的に多重化計算とストレージクラスタによるデータ分析としてサービスを増強するシステムを提案した。計算における動的作業負荷条件,およびストレージクラスタを利用する機械学習ベース予測モデルで支持されたSLA意識日和見ジョブスケジューリング法を適用した。OpenStack高速クラスタの性能評価,NSFCloudのカメレオンテストベッドの上に造られたHadoop VMのOpenStackベース仮想クラスタはMPLEXは最大1.7XによるHadoopジョブスループットを改善することを示し,クラウドストレージサービス要求のためのSLAを維持した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
