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。
今日では,大規模データ処理において,Spkのようなメモリ内データ解析プラットフォームが広く採用されている。適切なメモリ容量構成は,そのようなプラットフォームにおける作業負荷性能を保証するための効率的な方法であることが証明されている。現在,Spkはユーザ仕様に基づく作業負荷のためのメモリ容量を構成するために静的な方法を採用している。しかしながら,ターゲットプラットフォームと作業負荷特性の深い知識の不足のため,非専門家ユーザは,しばしばメモリ容量を過剰な方法で保存的に構成し,メモリ利用を大幅に削減する。他方では,メモリ要件が多様な作業負荷の間で全く異なるので,メモリ容量構成のための1つのサイズのすべての解決策がない。これらの問題に照準を定めて,著者らは,様々な入力データサイズとパラメータ設定の下で作業負荷のメモリ要求の正確な予測によって,メモリ容量構成に関するユーザを案内する,S公園作業負荷のための作業負荷比メモリ容量構成方式WSMCを提案した。最初に,WSMCは,作業負荷のデータ拡張比率に従って,4つのカテゴリにインメモリコンピューティング作業負荷を分類する。第2に,WSMCは,入力データサイズ,シャッフルデータサイズ,作業負荷の並列性およびデータブロックサイズを考慮して,メモリ要求予測モデルを確立した。アドホック作業負荷に対して,WSMCはそのデータ拡張比率を小規模入力データによりプロファイル化し,作業負荷が低下するカテゴリを決定する。次に,ユーザは,対応するメモリ要求予測に従って正確な構成を決定することができる。SparkBench負荷による包括的評価を通して,WSMCのガイドによる構成は,作業負荷性能のわずかな劣化(わずか5%)により40%以上のメモリ容量を節約でき,WSMCのガイドによる構成は,メモリ廃棄物のわずか7%の増加をもたらし,わずかな改善(約1%)をもたらした。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】
