文献

J-GLOBAL ID：202202283106044896   整理番号：22A1151222

ビッグデータ作業負荷のコンパイラ最適化空間探索のための新しいエンジンに向けて【JST・京大機械翻訳】

Toward a novel engine for compiler optimization space exploration of big data workloads

著者 (2件)： Ahmed Hameeza (Department of Computer and Information Systems Engineering, NED University of Engineering and Technology, Karachi, Sindh, Pakistan) ,  Ismail Muhammad Ali (Department of Computer and Information Systems Engineering, NED University of Engineering and Technology, Karachi, Sindh, Pakistan)
資料名： Software: Practice & Experience  (Software: Practice & Experience)
巻： 52  号： 5  ページ： 1262-1293  発行年： 2022年 
JST資料番号： E0674A  ISSN： 0038-0644  CODEN： SPEXBL  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： 最近,ドメイン特異的言語,ソフトウェアフレームワーク,データベース,第三者ライブラリ,その他を含む大きなデータ特異的技術が出現している。これらの技法は,ハードウェア操作可能なコードを生成するための従来の編集サイクルを通過した高レベルコードを生成することにより,低レベルの詳細を隠蔽するのに成功した。いくつかの最適化機会は,最適化機械コードを通して,大きいデータ作業負荷の処理デッドラインを満たすことを助けることができるコンパイラに存在している。しかし,既存の反復編集技術は,大きなデータ応用の探査に十分でない。この点に関して,大きなデータ作業負荷のコンパイラ最適化空間を利用するための新しいエンジンを提示した。エンジンは訓練と試験相から成る。訓練段階の間,大きいデータ応用は,訓練データセットによって実行されるコンパイラフェーズ順序付け(MiCOMP)と遺伝的アルゴリズム(GA)最適化シーケンスによって最適化する。試験段階において,試験データセットは訓練段階で発見された最良300最適化シーケンスに対してのみ実行される。提案したエンジンは,グラフマイニング,機械学習,および広範囲の実世界および合成データセットを用いたビッグデータアプリケーションのテキスト検索カテゴリーによってテストされた。全体として,エンジンは,データセンタ(IODC),MiCOMP,およびGAのための反復最適化よりも,それぞれ,[数式:原文を参照],および[数式:原文を参照]であり,大きなデータ作業負荷のためのコンパイラ探索空間を利用する。さらに,最良の-10と最良の3技術のエンジンとの統合は,[数式:原文を参照]と[数式:原文を参照]の高速化をもたらした。汎用マシンのコンパイラレベル開発は,余分なオーバヘッド,重いコンピューティング,および人員コストを生じない。また,ビッグデータ特殊化ソフトウェアソリューションの全体的性能は,適切なコンパイラ最適化でそれらの高レベルコードを編集することによって強化できる。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  言語 ,  *コンパイラ ,  データベース ,  データセンタ ,  応用プログラム ,  ハードウェア ,  機械学習 ,  遺伝的アルゴリズム ,  ライブラリ【計算機】 ,  フレームワーク【ソフトウェア開発】
準シソーラス用語： 訓練データ ,  オーバヘッド ,  順序づけ ,  *ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (4件)： ビッグデータ(3V) ,  コンパイラ ,  設計空間探査 ,  最適化

分類 (1件)： 言語プロセッサ  (JD03040F)

タイトルに関連する用語 (4件)： ビッグデータ ,  作業負荷 ,  コンパイラ最適化 ,  探索