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。
性能および信頼性に影響する問題の急速な検出および緩和は,大規模オンラインサービスにとって極めて重要である。このような課題のリアルタイム検出のために,データセンタオペレータはストリームプロセッサを使用し,サーバ(データソースノードと呼ぶ)とそれらのホストサービスから収集された監視データのストリームを分析する。入力ストリームのタイムリーな処理は,大量のデータを転送するネットワークを必要とし,それを処理するための重要な計算資源を必要とする。これらの要因はしばしば流れ解析のボトルネックを生成する。これらのボトルネックを克服するため,現在の監視システムは,コストモデルに基づく最適クエリ分割の計算またはモデル診断発見的手法のいずれかによって,近データ処理を採用する。最適分割は計算上高価であり,一方,モデル診断発見的方法は反復的であり,大きな解空間にわたって探索する。著者らは,モデルベースの発見的手法から分割解を改善するために,モデル診断発見的手法を用いることにより,これらのアプローチを組み合わせる。さらに,現在のシステムはオペレータレベル分割を使用する:もしデータソースがすべての記録でオペレータを実行するのに十分な資源を持たないならば,オペレータはストリームプロセッサ上でのみ実行される。代わりに,著者らは,データレベル分割,即ち,オペレータがストリームプロセッサとデータソースの両方で実行することを可能にする。著者らは,動的資源条件への迅速な適応を可能にするJarvisと呼ばれるシステムにおいて著者らのアルゴリズムを実行した。多様なモニタリング作業負荷に関する評価は,Jarvisがノード資源条件の変化の秒以内に安定なクエリ分割に収束することを示唆する。現在の分割戦略と比較して,Jarvisは,1.2~4.4xの資源制約シナリオにおけるスループットを改善しながら,75%以上のデータソースを扱っている。【JST・京大機械翻訳】