فایل ورد کامل مقایسه کارایی روش های Bulk Synchronous Parallel و MapReduce در پردازش شبکه های بزرگ

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 مقایسه کارایی روش های Bulk Synchronous Parallel و MapReduce در پردازش شبکه های بزرگ،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۹ صفحه

چکیده
ساختار شبکه ها، بویژه شبکه های اجتماعی، به سرعت رشد می کند و مجموعه ای از داده های عظیم و پیچیده را برای تجزیه و تحلیل در دسترس قرار می دهد. در این مقاله، دو روش موازی برای پردازش ساختارهای بزرگ گراف در داخل محیط Hadoop مورد مقایسه قرار گرفتند: روش Bulk Synchronous Parallel (BSP) و روش MapReduce. مطالعات تجربی بمنظور بررسی دو مسئله مختلف گراف اجرا شدند: دسته بندی جمعی بوسیله محاسبه انتشار تاثیر نسبی (RIP) و کوتاه ترین مسیر تک منبعی (SSSP). برای این مسائل، از الگوریتم های اختصاصی و مقتضی BSP و MapReduce برای پردازش مجموعه داده های شبکه های مختلف (در اندازه ها و پروفایل ساختاری متفاوت) در سه حوزه: حوزه ارتباطات از راه دور، حوزه چند رسانه ای و حوزه microblog، استفاده شد. نتایج به دست امده نشان داد که پردازش تکراری گراف با اجرای الگوریتم BSP بطور قابل توجهی عملکرد بیشتری از روش معمول MapReduce دارد (بویژه برای الگوریتم های با تکرار زیاد و ارتباطات پراکنده). هرچند، MapReduce هنوز هم تنها روش جایگزین برای شبکه های بزرگ است.

کلمات کلیدی: Bulk Synchronous Parallel | MapReduce | پردازش گراف بزرگ | داده های بزرگ | محاسبات ابری | پردازش موازی | دسته بندی جمعی | کوتاه ترین مسیر | داده های شبکه بندی شده

عنوان انگلیسی:

Comparison of the Efficiency of MapReduce and Bulk Synchronous Parallel Approaches to Large Network Processing

~~en~~ writers :

Tomasz Kajdanowicz, Wojciech Indyk, Przemyslaw Kazienko and Jakub Kukul

Network structures, especially social networks,
grow rapidly and provide huge datasets intractable to analyse.
In this paper, two parallel approaches to process large graph
structures within the Hadoop environment were compared:
Bulk Synchronous Parallel (BSP) and MapReduce (MR). The
experimental studies were carried out for two different graph
problems: collective classification by means of Relational Influence Propagation (RIP) and Single Source Shortest Path (SSSP)
calculation. The appropriate BSP and MapReduce algorithms
for these problems were applied to various network datasets
differing in size and structural profile, originating from three
domains: telecommunication, multimedia and microblog. The
collected results revealed that iterative graph processing with
BSP implementation significantly outperform popular MapReduce, especially for algorithms with many iterations and sparse
communication. However, MapReduce still remains the only
alternative for enormous networks.

Keywords: Bulk Synchronous Parallel | MapReduce | Large Graph Processing | Big Data | Cloud Computing | Parallel Processing | Collective Classification | Shortest Path | Networked Data

$$en!!