文献

J-GLOBAL ID：202202283955879629   整理番号：22A0959079

ConEx:より良い性能のためのビッグデータシステム構成の効率的探索【JST・京大機械翻訳】

ConEx: Efficient Exploration of Big-Data System Configurations for Better Performance

著者 (4件)： Krishna Rahul (Department of Computer Science, Columbia University, New York, NY, USA) ,  Tang Chong (Walmart Labs, Mountain View, CA, USA) ,  Sullivan Kevin (Department of Computer Science, University of Virginia, Charlottesville, VA, USA) ,  Ray Baishakhi (Department of Computer Science, Columbia University, New York, NY, USA)
資料名： IEEE Transactions on Software Engineering  (IEEE Transactions on Software Engineering)
巻： 48  号： 3  ページ： 893-909  発行年： 2022年 
JST資料番号： D0480D  ISSN： 0098-5589  CODEN： IESEDJ  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： 構成空間複雑性は,ビッグデータソフトウェアシステムを良好に構成するのを困難にする。9100以上のパラメータで,開発者は,Hadoop分布で提供されるデフォルト構成をしばしば使用する。損失性能における機会コストは重要である。自動同調ソフトウェアに対するポピュラー学習ベース手法は,訓練データの収集のコストが高いため,ビッグデータシステムに対して十分にはスケールしない。進化Markov連鎖モンテカルロ(EMCMC)サンプリングとコスト低減技術の組合せに基づく新しい方法を提示し,大きなデータシステムのためのより良い性能形態を見出した。コスト低減のために,著者らは2つのアプローチを開発し,実験的に試験し,そして,大規模ジョブのための目的関数の代理としてスケールアップした大きなデータジョブを使用して,動的ジョブ類似性測度を用いて,1種類の大きいデータ問題のために得られた結果が類似の問題に対してよく働くと推論する。著者らの実験結果は,著者らのアプローチが,大きなデータシステムの性能を著しく改善し,ランダムサンプリング,基本遺伝的アルゴリズム(GA),および予測モデル学習に基づく競合するアプローチより優れていることを,示唆している。著者らの実験結果は,著者らのアプローチが,大きなデータシステムの性能を,著しく,そして,かなり改善する可能性を強く示すという結論を支持した。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： モンテカルロ法 ,  測度 ,  学習 ,  原価低減 ,  実験 ,  組合せ ,  スケールアップ ,  同調 ,  標本抽出 ,  Markov連鎖 ,  *ソフトウェア ,  目的関数 ,  無作為抽出 ,  予測モデル
準シソーラス用語： *ビッグデータ , 【Automatic Indexing@JST】

分類 (1件)： 計算機システム開発  (JD02010R)

タイトルに関連する用語 (3件)： ビッグデータ ,  システム構成 ,  探索