文献

J-GLOBAL ID：202002289947814523   整理番号：20A1944987

MapReduce環境における解析的問合せのための意味論を意識した予測【JST・京大機械翻訳】

Semantics-Aware Prediction for Analytic Queries in MapReduce Environment

著者 (3件)： Yu Weikuan (Florida State University) ,  Liu Zhuo (Auburn University) ,  Ding Xiaoning (New Jersey Inst. of Technology)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICPP ’18  ページ： 1-9  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： MapReduceは,HiveQLやPigラテンのような宣言的クエリ言語で書かれた大規模複合解析アプリケーションをサポートする強力なデータ処理エンジンとして浮上している。解析的クエリは,MapReduceジョブの有向非巡回グラフ(DAG)の形で実行計画に典型的にコンパイルされる。DAGのジョブは,それらの依存性が満足される限り,MapReduce処理エンジンに送られる。MapReduceはジョブレベルスケジューリング政策を採用し,タスクの均衡した分布と資源の有効利用を努力する。しかし,純粋タスクベーススケジューリングアルゴリズムにはクエリレベル意味論が不足しており,クエリーと性能の全体的劣化の間の資源thrashingをもたらす。したがって,著者らは,これらの問題を系統的に扱うために,セマンティック意識質問予測フレームワークを導入した。このフレームワークは,3つの主要な技術を含む:クロスレイヤ意味論パーコレーション,選択性推定,および解析的クエリのための多変量時間予測。多変量クエリ予測は,解析データセットの動的サイズを測るだけでなく,個々のMapReduceジョブと全体のクエリーの資源利用(例えば,地図数,タスク低減)を正確に予測することを可能にした。さらに,クエリの正確な予測と待ち行列は,全体の質問性能を最適化するためのHadoopスケジューリングによって潜在的に活用できる。質問予測に基づいて,著者らの事例研究スケジューラは,従来のHadoopスケジューラと比較して,有意な性能改善を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *意味論 ,  言語 ,  スケジューリング ,  応用プログラム ,  データ処理 ,  パーコレーション ,  事例研究
準シソーラス用語： スケジューラ ,  クエリー ,  有効利用 ,  クロスレイヤ ,  資源利用 ,  Hadoop ,  *MapReduce , 【Automatic Indexing@JST】

著者キーワード (4件)： 分析論問合せ ,  MapReduce ,  スケジューリング ,  意味論を意識した意味論

分類 (2件)： ディジタル計算機方式一般  (JC02010O) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (7件)： MapReduce ,  環境 ,  解析 ,  問合せ ,  意味論 ,  意識 ,  予測