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。
Hadoopクラスタは広く使われている分散コンピューティングフレームワークである。しかし,Anoether Resource Negotiator(YARN)はHadoop 2.0に導入されて,それは計算の細分化されたユニットにコンテナベースの資源分割と配分を提供する。Hadoop分散ファイルシステム(HDFS)と組み合わせたHadoop YARNは,分散オペレーティングシステムのほとんどすべての特性を持っている。コンテナは,メモリとCPUシェアの専用配置で開始されたJava仮想マシンから構成される。ジョブが小タスクに分割され,クラスタのノード上に動的に生成されたコンテナ上で実行する予定であるとき,資源管理オーバーヘッドはアプリケーションの実行時間に著しい影響を及ぼす。このオーバーヘッドは,ジョブが分割するコンポーネントタスクの数に依存する。本論文で提示した研究は,Hadoop YARNクラスタにおける資源管理オーバーヘッドを評価した。本研究の結果は,ユーザが,オーバーヘッドを最小化し,クラスタ上に展開された分散アプリケーションの性能を最大化するために,ユーザの適切な分割レベルを選択するのを助ける。オーバーヘッドを評価するために,MapReduceジョブは,同じサイズを持つ入力ファイルの分割サイズを変えて実行において同一の並列性で実行される。資源管理者のオーバーヘッドは,異なる分割レベルでのアプリケーションの完了時間の変化から推定される。入力ファイルのサイズと分割サイズからクラスタ上のジョブの実行時間を推定するための回帰モデルを開発した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】