دانلود ترجمه مقاله ویژگی کارایی جهت تکرار K میانگین هادوپ (اسپرینگر ۲۰۱۶) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

این مقاله انگلیسی ISI در نشریه اسپرینگر در ۱۵ صفحه در سال ۲۰۱۶ منتشر شده و ترجمه آن ۲۷ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار مقاله	۲۰۱۶
تعداد صفحات مقاله انگلیسی	۱۵ صفحه با فرمت pdf
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 مربوطه	مجله محاسبات ابری – Journal of Cloud Computing
دانشگاه تهیه کننده	گروه مهندسی برق و کامپیوتر، دانشگاه نوتردام، لبنان
کلمات کلیدی این مقاله	پیش بینی عملکرد، تحلیل عملکرد، تکرار K میانگین هادوپ
رفرنس	دارد
شناسه شاپا یا ISSN	ISSN ۲۱۹۲-۱۱۳X
لینک مقاله در سایت مرجع	لینک این مقاله در سایت Springer
نشریه اسپرینگر

• فهرست مطالب:

چکیده
مقدمه
کلیات K میانگین هادوپ
کارهای مرتبط
خصوصیات عملکرد با استفاده از پلتفرم مبتنی بر Intel Xeon
۱) پیکره بندی پلتفرم
۲) نیازهای اندازه مسئله
۳) مقیاس بندی هسته و سوکت
۴) مقیاس بندی فرکانس هسته
۶) مقیاس بندی کش سطح آخر
۷) مقیاس بندی اندازه داده ورودی
۸) مقیاس بندی حافظه و اندازه هیپ
خصوصیات عملکرد با استفاده از پلتفرم AMD interlagos
نتیجه گیری

• بخشی از ترجمه:

نتیجه گیری
در این مقاله، تحلیل مفصل خصوصیات عملکرد برای K میانگین هادوپ با استفاده از پردازنده های مبتنی بر Intel و AMD را مطرح کردیم. در اینجا یک مدل پیش بینی برای حجم کار K میانگین هادوپ نیز پیشنهاد کردیم. ثابت شده است که مدل پیش بینی می تواند عملکرد و زمان اجرا را با حاشیه خطای <5% برای کلیه موارد تست شده، پیش بینی نماید. مدل پیشنهادی برای پذیری هر گونه تغییرات در پارامترهای میکرومعماری پردازنده و برآورد عملکرد یا زمان اجرا انعطاف پذیر می باشد. مدل پیشنهادی نیازی به هیچ گونه شبیه سازی ندارد و درعوض نیازمند نمونه برداری مبتنی بر اثر و رد برای حجم کار می باشد. در کار آتی، می توانیم این شیوه را برای حجم کارهای مختلف چارچوب هادوپ نظیر تعداد کلمه پیاده نموده و خصوصیات کاملاً مفصل عملکرد راپیاده نماییم. این مدل را می توان توسعه و تاخیر IO نظیر تاخیر شبکه و دیسک را لحاظ نمود. این مقاله بر عملکرد پردازنده به استثنای هر گونه تاخیر IO تمرکز می کند، به این دلیل اندازه ورودی انتخاب شده ۲۸GB بود که کمتر از اندازه حافظه سیستم یعنی ۳۲GB می باشد. برای تحلیل عملکرد AMD Interlagos و Intel Xeon، به این نتیجه می رسیم که عملکرد Intel Xeon 38 درصد بهتر از AMD Interlagos می باشد. مقیاس بندی هسته و سوکت در اکثر موارد اندازه گیری شده تقریباً خطی است، نتیجه نمونه در مورد پردازنده Intel Xeon کاربرد دارد. برای مقیاس بندی خوشه هر هسته، عملکرد پردازنده AMD Interlagos، در حدود ۶۰ درصد افزایش می یابد.

• بخشی از مقاله انگلیسی:

Conclusion

In this paper, we presented a detailed performance characterization analysis for Hadoop K-means using Intel and AMD based processors. We also proposed a projection model for Hadoop K-means workload. The projection model is verified to project performance and runtime with 5 % error margin for all tested cases. The model is flexible to accept any changes in processor micro-architecture parameters and estimate performance or runtime. The model does not require any simulation which in turn requires trace based sampling for the workload. In future work, we can implement the same approach for different Hadoop framework workloads such as word count and implement a full details performance characterization. The model can be expanded to include IO latency such as disk and network latency. The focus of this paper is on the processor performance excluding any IO latency, this is why the input size selected was 28GB which is less than the system memory size of 32GB. For AMD Interlagos versus Intel Xeon performance analysis, we conclude that there is about 38 % better performance for Intel Xeon as compared to AMD Interlagos. The socket and core scaling is almost linear in most measured cases, the sample conclusion applied to Intel Xeon Processor. For cluster-percore scaling, there is about 60 % increase in performance for AMD Interlagos processor.

دانلود رایگان مقاله انگلیسی          خرید ترجمه فارسی مقاله