文献

J-GLOBAL ID：201802214229992373   整理番号：18A0726887

クラウドプラットフォームにおけるHadoopデータ解析サービスを予測し最適化するための深層学習の利用【JST・京大機械翻訳】

Using Deep Learning to Predict and Optimize Hadoop Data Analytic Service in a Cloud Platform

著者 (6件)： Chen Chen-Chun ,  Hasio Yu-Tung ,  Lin Chan-Yi ,  Lu Shihyu ,  Lu Hsin-Tse ,  Chou Jerry
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： DASC/PiCom/DataCom/CyberSciTech  ページ： 909-916  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： Hadoopは,商品機械の大きなクラスタ上でタイムリーで費用対効果の高いデータ処理を提供するためのポピュラーな計算フレームワークである。それは分散プログラミングを扱うプログラマの負担を軽減し,Bigデータ解の生態系をそれの周りに開発した。しかしながら,Hadoopジョブ実行時間は,その実行時間構成と資源選択に大いに依存することができる。したがって,Hadoop実行の最適化は,まだかなりの量の専門知識と経験を必要とする。この挑戦に取り組むために,本論文は,歴史的実行データに基づくHadoopジョブ時間を予測するための学習ベース技術を開発し,共有資源クラウド環境におけるその性能を最適化するシステムを構築することを目的とした。深い学習は多くの応用領域において成功を示しているが,ジョブ時間予測におけるそのような技術の適用にはほとんど注意が払われていない。本研究では,OpenStackによって構築されたクラウドプラットフォームにおいて,著者らの深い学習予測法を3つの他の最先端の回帰ベース予測法と比較するために,広範な実験的研究を行った。結果は,著者らの予測方法がほとんどのテストケースにおいて従来のアプローチを実行して,著しく職務性能とコストを改善したことを示した。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】

シソーラス用語： クラスタ ,  生態系 ,  *データ解析 ,  *最適化 ,  *学習 ,  プログラマ ,  予測技法 ,  データ処理 ,  *予測
準シソーラス用語： 実験研究 ,  専門知識 ,  実行時間 ,  費用対効果 ,  *深層学習 ,  *Hadoop , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (8件)： クラウド ,  プラットフォーム ,  Hadoop ,  データ解析 ,  サービス ,  予測 ,  最適化 ,  深層学習