ترجمه مقاله خصوصیات عملکرد برای تکرار K میانگین هادوپ - نشریه اشپرینگر

قیمت خرید این محصول

۳۹,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

خصوصیات عملکرد برای تکرار K میانگین هادوپ

عنوان انگلیسی

Performance characterization and analysis for Hadoop K-means iteration

صفحات مقاله فارسی

27

صفحات مقاله انگلیسی

15

سال انتشار

2016

نشریه

اشپرینگر - Springer

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

6614

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

رایانش ابری، معماری سیستم های کامپیوتری و مهندسی نرم افزار

مجله

مجله محاسبات ابری - Journal of Cloud Computing

دانشگاه

گروه مهندسی برق و کامپیوتر، دانشگاه نوتردام، لبنان

کلمات کلیدی

پیش بینی عملکرد، تحلیل عملکرد، تکرار K میانگین هادوپ

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
مقدمه
کلیات K میانگین هادوپ
کارهای مرتبط
خصوصیات عملکرد با استفاده از پلتفرم مبتنی بر Intel Xeon
1) پیکره بندی پلتفرم
2) نیازهای اندازه مسئله
3) مقیاس بندی هسته و سوکت
4) مقیاس بندی فرکانس هسته
6) مقیاس بندی کش سطح آخر
7) مقیاس بندی اندازه داده ورودی
8) مقیاس بندی حافظه و اندازه هیپ
خصوصیات عملکرد با استفاده از پلتفرم AMD interlagos
نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

Abstract

The rapid growth in the demand for cloud computing data presents a performance challenge for both software and hardware architects. It is important to analyze and characterize the data processing performance for a given cloud cluster and to evaluate the performance bottlenecks in a cloud cluster that contribute to higher or lower computing processing time. In this paper, we implement a detailed performance analysis and characterization for Hadoop K-means iterations by scaling different processor micro-architecture parameters and comparing performance using Intel and AMD processors. This leads to the analysis of the underlying hardware in a cloud cluster servers to enable optimization of software and hardware to achieve maximum performance possible. We also propose a performance estimation model that estimates performance for Hadoop K-means iterations by modeling different processor micro-architecture parameters. The model is verified to predict performance with less than 5 % error margin relative to a measured baseline.

نمونه چکیده ترجمه متن فارسی

چکیده
رشد سریع تقاضای داده های رایانش ابری برای معمارهای سخت افزاری و نرم افزاری معرف یک چالش عملکردی می باشد. در این راستا تحلیل و ذکر خصوصیات عملکرد پردازش داده ها برای خوشه ابری داده شده وارزیابی تنگناهای عملکرد در خوشه ابری که در زمان پردازش محاسبات بالا یا پائین تر سهیم هستند، از اهمیت بسزایی برخوردارمی باشد. در این مقاله، عملکرد تکرارهای K میانگین هادوپ را با مقیاس بندی پارامترهای مختلف میکرومعماری پردازنده مورد تحلیل و خصوصیات آن را ذکر نموده و عملکرد را با استفاده از پردازنده های اینتل و AMD مقایسه می نماییم. این امر منجر به تحلیل سخت افزارپایه در سرورهای خوشه ابری گردیده و امکان بهینه سازی نرم افزار و سخت افزار جهت نیل به حداکثر عملکرد ممکن را فراهم می آورد. در اینجا یک مدل برآورد عملکرد نیز پیشنهاد می کنیم که عملکرد تکرارهای K میانگین هادوپ را از طریق مدلسازی پارامترهای مختلف میکرومعماری پردازنده، برآورد می نماید. در این راستا ثابت شده است که مدل پیشنهادی می تواند عملکرد را با کمتر از 5 درصد حاشیه خطا نسبت به پایه اندازه گیری شده، پیش بینی نماید.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر