文献

J-GLOBAL ID：202102259945366953   整理番号：21A0739233

ENLHS:サンプリングに基づくKafka適応最適化手法【JST・京大機械翻訳】

ENLHS:Sampling Approach to Auto Tuning Kafka Configurations

著者 (5件)： Xie Wenkang (南京郵電大学計算机学院 南京 210023) ,  Fan Weibei (南京郵電大学計算机学院 南京 210023;国家高性能計算中心南京分中心 南京 210023;江蘇省高性能計算与智能処理工程研究中心 南京 210023) ,  Zhang Yujie (南京郵電大学計算机学院 南京 210023;国家高性能計算中心南京分中心 南京 210023;江蘇省高性能計算与智能処理工程研究中心 南京 210023) ,  Xu He (南京郵電大学計算机学院 南京 210023;国家高性能計算中心南京分中心 南京 210023;江蘇省高性能計算与智能処理工程研究中心 南京 210023) ,  Li Peng (南京郵電大学計算机学院 南京 210023;国家高性能計算中心南京分中心 南京 210023;江蘇省高性能計算与智能処理工程研究中心 南京 210023)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 47  号： 8  ページ： 119-126  発行年： 2020年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： Kafkaが生産環境に応用するとき、機械のハードウエア環境とシステムプラットフォームが性能に影響する以外に、Kafka自身の配置項目はハードウェア資源が限られた状況で理想的な性能を達成することができるかどうかを決めるが、人為改変と調整配置項目の効率は極めて悪い。大量のデータがKafkaに送られると、実際の資源環境に対して最適化がなければ、Kafkaはデフォルトの配置パラメータを用いて、各生産環境での性能を保証することができない。Kafka自身の配置は非常に大きいため、従来の適応アルゴリズムは大規模生産システムにおける性能が悪い。Kafkaの適応能力を改善し、システムの複雑性を解消し、より良い運行性能を獲得するため、Kafkaに対する適応性能の最適化方法を提案した。この方法は,Kafkaの特徴パラメータと性能の重みを十分考慮し,サンプリングの原理を用いて,データセットの生成効率を改善し,データ選択範囲を最適化し,モデリングの効率を改善し,最適化手法の複雑さを低減した。実験結果は,このアルゴリズムがオープンソースバージョンKafkaのスループットと遅延を最適化し,Kafkaが与えられたシステムリソースでスループットを改善し,遅延を低減できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  生産システム ,  *最適化手法 ,  適応性 ,  ハードウェア ,  スループット
準シソーラス用語： 適応アルゴリズム ,  複雑性 ,  特徴パラメータ ,  データ選択 ,  生産環境 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： サンプリング ,  適応 ,  最適化手法