فایل ورد کامل زمانبندی وظیفه کاهشی محل‌ برای نگاشت‌ کاهش (MapReduce)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل زمانبندی وظیفه کاهشی محل‌ برای نگاشت‌ کاهش (MapReduce)،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۷ صفحه

۷- نتیجه‌گیری و دستورالعمل‌های آتی
در این پژوهش، ما زمانبند وظیف کاهشی جدیدی را برای نگاشت‌کاهش موسوم به زمانبند وظیف کاهشی محل‌آگاه (LARTS) پیشنهاد نمودیم. LARTS محل‌های شبکه و اندازه‌های پارتیشن‌های کاهنده در تصمیمات زمانبندی را به منظور حذف ترافیک شبکه و بهبود عملکرد نگاشت‌کاهش تلفیق می‌کند. به منظور اجتناب از تاخیر، چولگی و استفاد سیستمی ضعیف از زمانبندی و میزان همسویی اندک، LARTS از راهبرد ملایم‌سازی و تفکیک برخی وظایف کاهشی میان چندین گر خوشه‌ای بهره گرفته است. LARTS ترافیک گر داخلی، رک داخلی و خارج از رک را برحسب میانگین ۳۴۴، ۰۳۲ و ۷۵ درصد در مقابل هدوپ داخلی بهبود می‌بخشد. این روند حاکی از بهبود عملکرد ۷ درصد و تا ۱۱۶ درصد است.
پس از نشان دادن جنبه‌های LARTS، به چهار راهبرد اصلی آتی پرداختیم. ابتدا، نقاط مرکزی می‌توانند به صورت پویا به جای استاتیک جانمایی شوند. دوم، LARTS می‌تواند برای وظایف گمانی علاوه بر وظایف منظم به کار رود. سوم، ما اساساً LARTS را مسئول تسهیم محیط محاسباتی (یا ناهمگن) با خوش مقیاس بزرگ پیش‌بینی می‌کنیم. ما قصد کشف پتانسیل LARTS در چنین محیطی را داریم. در نهایت، برنامه‌های علمی به طور معمول چولگی مجموعه داده‌های خود را نشان می‌دهند. برای نمونه، ایکانایاک و همکاران ]۲۰[ چولگی در برنامه‌های کاربردی انفورماتیک زیستی و تحلیل تاثیر آن بر ساز و کارهای زمانبندی را نشان می‌دهد. در این پژوهش، به تایید قابلیت LSRT با یکی از مجموعه داده‌های دارای چولگی پرداختیم (یعنی sort2). بررسی و تحلیل LARTS با برنامه‌های کاربردی علمی مختلف با آنچه که در ]۲۰[ و ]۱۷[ بررسی شد نیز ، سمت سوی ضروری آتی محسوب می‌شود.

عنوان انگلیسی:Locality-Aware Reduce Task Scheduling for MapReduce~~en~~

VII. CONCLUDING REMARKS AND FUTURE DIRECTIONS

In this work, we propose a novel reduce task scheduler for MapReduce, namely Locality-Aware Reduce Task Scheduler (LARTS). LARTS incorporates network locations and sizes of reducers’ partitions in its scheduling decisions in order to mitigate network traffic and improve MapReduce performance. To avoid scheduling delay, scheduling skew, poor system utilization, and low degree of parallelism, LARTS employs a relaxation strategy and fragments some reduce tasks among several cluster nodes. LARTS improves node-local, racklocal, and off-rack traffic by 34.4%, 0.32%, and 7.5%, on average, versus native Hadoop. This translates to an average performance improvement of 7%, and up to 11.6%. After demonstrating the prospects of LARTS, we set forth four main future directions. First, sweet spots can be located dynamically rather than statically. Second, LARTS can be applied to speculative tasks in addition to regular ones. Third, we essentially foresee LARTS amenable to shared (or heterogeneous) computation environment with a large-scale cluster. We intend to explore LARTS’s potential in such an environment. Finally, scientific applications usually exhibit skew in their data sets. For instance, Ekanayake et al. [20] recognized skew in bioinformatics applications and analyzed its influence on scheduling mechanisms. In this piece of work, we verified LARTS’s capability with one skewed data set (i.e., sort2). Testing and analyzing LARTS with various scientific applications comparable to those examined in [20] and [17] is also an imperative future direction.

$$en!!