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。
多種多様な分野でますます一般的になってきている大規模データ解析への応用。これらの応用は,分析成分と呼ばれる多くの現在利用可能なプログラムから構成されている。分析成分プロセスの千は多くの計算ノードに組織化される。本論文では,大規模データ解析におけるアプリケーションのスループットを最適化するための新しい自己調整フレームワークを提案した。1つの課題は,分析成分の多様性と計算ノードの性能を考慮に入れた効率的な組織化を開発している。著者らの以前の研究では,著者ら自身のミドルウェア,remote procedure call(RPC)サービスとして各分析成分を包むを導入することにより,ある程度までこのような組織化を達成した。ミドルウェアも起動オーバヘッド,高スループットを達成するための重大な障害を減少するためにプロセスプール化する。アプリケーションのスループットを最大化するために分析成分のプロセスプールの大きさを調整する残りの課題に取り組んでいる。分析成分はターンアラウンド時間とメモリフットプリントの劇的に異なるので,この挑戦的である。各タイプ分析成分のプロセスプールの大きさは,これらの特性を考慮しただけでなく,記憶容量とプロセッサコア数の両方に制約を与えて設定すべきである。本研究では,線形計画法問題としてこの課題を定式化し,それを解くことにより最適プールサイズを得た。著者らの以前の研究と比較して,百の異種のノードで動作するように性能モデルを再定式化により提案フレームワークのスケーラビリティを著しく改善した。も各計算ノード上の計算負荷を管理し,通信オーバヘッドを削減するサービス割当メカニズムを拡張した。実験結果は筆者らのアプローチが千三クラスタの200計算ノード上で実行される分析成分プロセスにスケーラブルであることを示した。さらに,提案アプローチでは,記憶容量を有意に減少させた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
