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。
クラウド過渡サーバ(例えばEC2スポットインスタンス)上で走る大規模データ解析に対して予測可能な性能を達成することは,過渡サーバが雲により再投票され,スポット価格が予測されないので困難である。しかし,低価格で不安定なクラウド資源を選択することにより,ジョブ性能を大幅に劣化させることができる。この問題に取り組むために,本論文では,代表的なDAG(指示されたサイクルグラフ)スタイルの大規模な分析作業負荷として,Spkに焦点を合わせることにより,クラウドにおける費用効率の良いスポットインスタンスの提供フレームワークであるiSPOTを提案した。具体的には,正確なLSTM(Long Short-Tem Memory)に基づく価格予測手法を考案することにより,安定したスポットインスタンス資源を持つアベイラビリティゾーンを同定する。iSPOTは,ジョブプロファイリングとステージのDAG情報を用いて最終的な性能モデルを設計することにより,S公園ステージとジョブの性能をさらに予測する。価格予測とパーク性能モデルに基づいて,iSPOTは,大規模データ解析のための予測可能な性能を提供するために,コスト効率の高いインスタンスタイプ(すなわち,最小金銭コストを達成するインスタンスタイプ)を有するスポットインスタンスを提供することができる。アマゾンEC2に関する広範なプロトタイプ実験により,iSPOTは大規模データ解析の性能を保証し,一方,クラウド過渡サーバによるジョブ予算を低減できることを実証した。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】
