文献

J-GLOBAL ID：201702268892824860   整理番号：17A0858337

並列処理のためのMapReduceフレームワークを用いた大規模工業データの解析【Powered by NICT】

Analysis of massive industrial data using MapReduce framework for parallel processing

著者 (3件)： Aly Mohab (E ́cole Polytechnique de Montre ́al) ,  Yacout Soumaya (E ́cole Polytechnique de Montre ́al) ,  Shaban Yasser (Helwan University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： RAMS  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 「ビッグデータ」パラダイムの出現により,ますます工業データは,実務者と専門家には今有用である。このデータは,新しい情報技術の進歩により速く発生している。信頼性と保守技術者のために,「ビッグデータ」情報の興味ある資源である。正しく分析すれば,産業組織における意思決定を支援するための有用な知識ベースを生成することができる。「ビッグデータ」の利用可能性は,そのようなデータの解析に特化した研究の新しい領域をもたらした。大量産業システム(s)から生成されたデータを分析する方法を示した。これら大量のデータはサイズがテラバイトからペタバイトへ及ぶであろうデータは,計算機の資源,特にCPUに適合しない可能性があるようなサイズを解析するメモリ漏れの可能性のために,単一汎用コンピュータにおける実施できない。適合しても,許容できない量の時間を必要とするであろう。この目的のために,データの工業的大規模を処理する分散環境上で動作する高性能分析系の関与を必要とする。異なるアルゴリズムはこのような解析が行われていると考えることができる。クラウドコンピューティングモデルは,分散した方法で標準分析アルゴリズムを適合させる必要がある,拡張性の高いフレキシブルなインフラストラクチャ(s)を提供した。,すなわちMapReduce,大きなデータフローのための新たに広く使用されているフレームワークを組み合わせた行列乗算および線形回帰のような機械学習技術の伝統的な構造であることを新しい分散訓練法を導入した。前述のタイプの並列処理は,MapReduceとそのフレームワークに適応する異なるアルゴリズムに基づいている。考察したプラットフォームは,Googleクラウドプラットフォーム(Appエンジンと計算エンジン)の上部に設置し,また,それらの各々の与え資源から利益を得ることができるかを見ると,解析を行う雲アマゾンEMRサービスを考慮して,大規模工業データから有用な情報の抽出は速く,すなわちその計算時間であった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 情報技術 ,  計算 ,  アルゴリズム ,  *並列処理 ,  記憶装置 ,  信頼性 ,  インフラストラクチャー ,  意思決定 ,  メインフレーム ,  技術者 ,  CPU時間 ,  知識ベース
準シソーラス用語： Google ,  ビッグデータ ,  *MapReduce , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 並列処理 ,  MapReduce ,  フレームワーク ,  大規模 ,  工業 ,  解析