文献

J-GLOBAL ID：202202267631611896   整理番号：22A1163606

SEA-LEAP:自己適応および局所性を意識したエッジ解析配置【JST・京大機械翻訳】

SEA-LEAP: Self-Adaptive and Locality-Aware Edge Analytics Placement

著者 (4件)： Lujic Ivan (Institute of Information Systems Engineering, Vienna University of Technology, Vienna, Austria) ,  De Maio Vincenzo (Institute of Information Systems Engineering, Vienna University of Technology, Vienna, Austria) ,  Venugopal Srikumar (IBM Research Europe, Dublin 15, Ireland) ,  Brandic Ivona (Institute of Information Systems Engineering, Vienna University of Technology, Vienna, Austria)
資料名： IEEE Transactions on Services Computing  (IEEE Transactions on Services Computing)
巻： 15  号： 2  ページ： 602-613  発行年： 2022年 
JST資料番号： W2437A  ISSN： 1939-1374  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： 近実時間エッジ解析には,エッジノードの急速な成長量,限られた資源,および高い故障確率を扱う必要がある。したがって,データ複製はサービスアベイラビリティや故障レジリエンスのようなSLOを満たすのに極めて重要である。その結果,オンデマンド分析(例えば,物体検出)によって要求される特定の入力データセットは,時間とともに異なる位置で存在することができる。これはデータ局所性とタイムリーな意思決定プロセスの開発を防ぐことができる。オンデマンドエッジ解析配置のための最先端の解決策は,ユーザ要求入力データへの低待ち時間アクセスの提供に失敗するか,あるいはデータ局所性を考慮しない。SEA-LEAP(Self-適応および局所性意識Edge Analysis Plawor)を提案し,その上,一般的な制御機構を考案する,データ移動を追跡するための新しい機構を含むフレームワークを提案した。SEA-LEAPは,全体的分析要求実行時間を最小化する最も適切なデータセット位置を考慮したオンデマンド分析のオンザフライ配置を可能にする。実世界(i)オブジェクト検出アプリケーション,(ii)入力としての画像データセット,(iii)自己設計ベンチマーク,および(iv)Kubernetesを用いた不均一エッジインフラストラクチャを用いた実験を行った。実験結果は,オンデマンド分析を効率的に展開し,適応データ運動を実行することによって平均で65.85%まで全待ち時間を減らす能力を示し,エッジマルチクラスタとハイブリッド環境に対する有望な解決策を示した。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： 故障 ,  故障率 ,  解析 ,  むら ,  レジリエンス ,  配置 ,  クラスタ ,  応用プログラム ,  待ち時間 ,  *局所性 ,  ベンチマーク
準シソーラス用語： 画像データ ,  実行時間 ,  物体検出 ,  データ複製 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： SEA ,  自己適応 ,  局所性 ,  意識 ,  エッジ ,  解析