文献

J-GLOBAL ID：201802243302957188   整理番号：18A1590821

階層的時間メモリを用いた科学的ワークフローにおける性能異常の検出【JST・京大機械翻訳】

Detecting performance anomalies in scientific workflows using hierarchical temporal memory

著者 (3件)： Rodriguez Maria A. (Cloud Computing and Distributed Systems (CLOUDS) Laboratory, School of Computing and Information Systems, The University of Melbourne, Australia) ,  Kotagiri Ramamohanarao (Cloud Computing and Distributed Systems (CLOUDS) Laboratory, School of Computing and Information Systems, The University of Melbourne, Australia) ,  Buyya Rajkumar (Cloud Computing and Distributed Systems (CLOUDS) Laboratory, School of Computing and Information Systems, The University of Melbourne, Australia)
資料名： Future Generation Computer Systems  (Future Generation Computer Systems)
巻： 88  ページ： 624-635  発行年： 2018年 
JST資料番号： A0620C  ISSN： 0167-739X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 技術進歩とインターネットの出現により,ますます強力な科学装置と分散センサの成長数から膨大な量の科学データが収集されている。これは科学的応用によって実行される分析の有意性を悪化させるだけでなく,それらの複雑さとスケールを増加させた。したがって,新興の極端な規模の科学的ワークフローは広くなりつつあり,高性能コンピュータ,専用クラスタ,クラウド環境のような様々なプラットフォーム上でのそれらの展開を効率的に自動化する必要がある。性能異常はこれらの応用の実行にかなり影響する。それらは,故障と資源contenションを含む異なる要因によって引き起こされる可能性があり,そして,それらは,クラウド環境におけるワークフロー実行時間または不要コストにおける長い遅れのような望ましくない環境に導く可能性がある。結果として,このタイプの異常の早期検出を可能にし,それらの原因を同定し,それらの効果を緩和するための行動を定式化し実行することが,現代のワークフロー管理システムにとって不可欠である。本研究において,著者らは,実行ワークフロータスクの資源消費を連続的に監視することによって収集されたリアルタイムインフラストラクチャー計量に関する性能異常を検出するために階層的時間記憶(HTM)の利用を提案した。このフレームワークはオンラインと教師なしの方法で測定の流れを処理することができ,データの基礎となる統計の変化に適応するのに成功した。これにより,以前にデータを収集し,モデルを訓練する必要がなく,様々なインフラストラクチャプラットフォーム上に容易に展開することができる。著者らは,Microsoft Azureのクラウドインフラストラクチャに配備された2つの実際の科学的ワークフローを用いて,著者らのアプローチを評価した。著者らの実験結果は,システムに導入された様々な競合する作業負荷によって引き起こされる異なる資源消費計量に関する性能異常を正確に把握するために,著者らのモデルの能力を実証した。他のオンライン異常検出アルゴリズムに対するHTMの性能比較も示し,本研究で提示した問題に対する選択アルゴリズムの適合性を実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *ワークフロー ,  適応性 ,  定式化 ,  コンピュータ ,  インフラストラクチャー ,  自動化 ,  *記憶装置 ,  センサ ,  クラスタ ,  インターネット ,  モデル
準シソーラス用語： 異常検出 ,  オンライン ,  資源消費 , 【Automatic Indexing@JST】

著者キーワード (4件)： オンライン異常検出 ,  科学的ワークフロー ,  階層的時間記憶 ,  性能異常

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 (2件)： 科学 ,  ワークフロー