文献

J-GLOBAL ID：202202237201767583   整理番号：22A1085535

AutoDiagn:ビッグデータシステムのための自動実時間診断フレームワーク【JST・京大機械翻訳】

AutoDiagn: An Automated Real-Time Diagnosis Framework for Big Data Systems

著者 (8件)： Demirbaga Umit (Newcastle University, Newcastle upon Tyne, U.K.) ,  Wen Zhenyu (Newcastle University, Newcastle upon Tyne, U.K.) ,  Noor Ayman (Newcastle University, Newcastle upon Tyne, U.K.) ,  Mitra Karan (Lulea& University of Technology, Lulea&, Sweden) ,  Alwasel Khaled (Newcastle University, Newcastle upon Tyne, U.K.) ,  Garg Saurabh (University of Tasmania, Hobart, TAS, Australia) ,  Zomaya Albert Y. (Sydney University, Camperdown, NSW, Australia) ,  Ranjan Rajiv (Newcastle University, Newcastle upon Tyne, U.K.)
資料名： IEEE Transactions on Computers  (IEEE Transactions on Computers)
巻： 71  号： 5  ページ： 1035-1048  発行年： 2022年 
JST資料番号： C0233A  ISSN： 0018-9340  CODEN： ICTOB4  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： HadoopとSparkのようなBigデータ処理システムは,通常,ハードウェアとソフトウェアの故障や故障を容易に引き起こすことができる大規模,高コンカレント,およびマルチテナント環境において動作し,それによって性能劣化をもたらす。いくつかのシステムと方法は,大きなデータ処理システムの性能劣化を検出し,根原因分析を実行し,そのような劣化を引き起こす問題を克服する。しかし,これらの解決策は,ストラグラーや非効率的な資源利用などの特定の問題に焦点を合わせる。大きなデータシステムのリアルタイム診断をサポートするための一般的で拡張可能なフレームワークの欠如がある。本論文では,AutoDiagnを開発し,検証した。この一般的で柔軟なフレームワークは,性能劣化を検出し,根原因分析を可能にする大きなデータシステムの全体モニタリングを提供する。公開クラウド上に展開されたHadoopクラスタと相互作用するAutoDiagnの実装と評価を提示し,実世界ベンチマークアプリケーションで試験した。実験結果は,AutoDiagnが,小さな資源フットプリント,高いスループット,および低い待ち時間を提供すると同時に,高精度のルート原因分析フレームワークを提供できることを示した。Copyright 2022 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： 相互作用 ,  データ処理システム ,  クラスタ ,  ハードウェア ,  ソフトウェア ,  スループット ,  *待ち時間
準シソーラス用語： 性能劣化 ,  フットプリント ,  高精度 ,  実時間 ,  資源利用 ,  原因分析 ,  Hadoop , 【Automatic Indexing@JST】

分類 (4件)： オペレーティングシステム  (JD03020J) ,  計算機網  (JC03000K) ,  データ保護  (JD01020V) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (3件)： 実時間 ,  診断 ,  フレームワーク