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。
グラフ分析は,ソーシャルネットワーク,Web分析,バイオインフォマティクスなどのビッグデータアプリケーションにおいて広く使用されている。ほとんどのグラフ処理フレームワークは,その使用とプログラミングの容易さにより頂点中心モデルを採用する。しかしながら,非同期グラフ解析を扱うとき,頂点プログラミングに基づくフレームワークは非効率的に機能する。その理由は,最初に,頂点プログラミングが逐次整合性を保証しなければならないことである。それはロックまたは原子操作の頻繁な使用を意味し,第二に,アルゴリズムの頂点レベルで並列化し,アルゴリズムの潜在的並列性を利用できない。非同期グラフ処理の並列効率を向上させるために,Gauss-Seidel型アルゴリズムを,Gauss-Seidel型行列計算を用いたスケジューリングモデルを提案し,頂点プログラミングを二つの主行列演算に変換し,次にアルゴリズムを列とカラムベクトルにより並列化した。頂点プログラミングと比較して,著者らのモデルはより潜在的な並列性を利用するためにより細かい方法でアルゴリズムを並列化する一方,頂点プログラミングのプログラミング優位性を保持する。逐次一貫性を保証するためにロックを使用する代わりに,著者らのモデルは,ハイブリッド同期化政策を用いて,スレッドとコンテキストスイッチングのオーバーヘッドの間の直列化可能性を減少させた。さらに,このモデルはプログラムの局所性を強化する。実験結果は,著者らのモデルが性能とスケーラビリティの両方において頂点中心非同期フレームワークより優れていることを示した。さらに,それは,いくつかの非Gauss-Seidelスタイルアルゴリズムを有する行列ベースの同期フレームワークGraphMatを上回った。Copyright 2019 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】