文献

J-GLOBAL ID：202002226260397164   整理番号：20A0957385

改善されたメモリ効率を持つ任意の大規模データストリームのためのカーディナリティの推定【JST・京大機械翻訳】

Estimating Cardinality for Arbitrarily Large Data Stream With Improved Memory Efficiency

著者 (4件)： Xiao Qingjun (School of Cyber Science and Engineering (Jiangsu Provincial Key Laboratory of Computer Networking Technology), Southeast University, Nanjing, China) ,  Chen Shigang (Department of Computer and Information Science and Engineering, University of Florida, Gainesville, FL, USA) ,  Zhou You (Department of Computer and Information Science and Engineering, University of Florida, Gainesville, FL, USA) ,  Luo Junzhou (School of Computer Science and Engineering (Key Lab of Computer Network and Information Integration, Ministry of Education), Southeast University, Nanjing, China)
資料名： IEEE/ACM Transactions on Networking  (IEEE/ACM Transactions on Networking)
巻： 28  号： 2  ページ： 433-446  発行年： 2020年 
JST資料番号： W0507A  ISSN： 1063-6692  CODEN： IEANEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： カーディナリティ推定は,入力データストリームがただ一つの単一パスで走査できる厳しい制約の下で,データストリームにおける異なる要素(または基数)の数を決定するタスクである。これは,高速ネットワークのトラヒック監視とインターネット規模データベースの質問最適化のような多くの実用的応用による基本的問題である。この問題を解決するために,HLL-TailCutと呼ばれるアルゴリズムを提案した。これは,4個または3個のビットのメモリユニットを用いて推定標準誤差1.0/√mを実装し,そのコストはHyperLogLogにより使用される5ビットメモリユニットよりもはるかに小さい。これにより,HyperLogLogのメモリコストを20%~45%削減することができる。例えば,目標推定誤差が1.1%のとき,最先端のHyperLogLogは5.6kibytesメモリを必要とする。対照的に,著者らの新しいアルゴリズムは,同じ精度を達成するために3kybytesメモリ消費を必要とするだけである。さらに,著者らのアルゴリズムは,TeraとPetaスケールにおいてさえ,非常に大きなストリーム基数の推定をサポートすることができた。Copyright 2020 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】

シソーラス用語： *アルゴリズム ,  記憶装置 ,  データベース ,  トラヒック監視 ,  インターネット
準シソーラス用語： *データストリーム ,  標準誤差 ,  基数 ,  推定誤差 ,  *メモリ効率 ,  高速ネットワーク ,  クエリ最適化 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： メモリ効率 ,  大規模データ ,  ストリーム ,  推定