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。
著者らはBigデータの時代に生きており,データの爆発を目撃している。単一コンピュータにおけるCPUとI/Oの限界が与えられると,スケーラビリティへの主流アプローチは,クラスタまたはクラウドにおける多数の処理ノードの間の計算を配布することである。このパラダイムは,大量のデータを処理するためのデータ並列アプローチを示すデータ集中コンピューティングの用語をもたらす。異なる分野の努力を通して,いくつかの有望なプログラミングモデルおよびいくつかのプラットフォームが,MapReduce,Hadoop,Apache SparkおよびDyradのようなデータ集約コンピューティングのために提案されている。これらのプラットフォームの全体的性能を向上させるために大量の研究作業が提案されているが,実際の性能要求と現在の商品システムの能力の間にはまだギャップがある。本論文は,データ集中コンピューティングの性能を改善するために,現在の意味意識アプローチに関する包括的理解を提供することを目的とした。著者らは,最初に,現代のプログラミングモデルと技術と同様に,データ集中コンピューティングの進化における一般的特性とパラダイムシフトを紹介した。次に,4種類の性能欠陥を提案し,最先端の意味認識技術を調査した。最後に,データ集中コンピューティングのための意味認識性能最適化の分野における研究課題と機会を論じた。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】
