دانلود مقاله ترجمه شده الگوریتم برنامه ریزی زمانی خودتطبیقی نگاشت‌ کاهش – مجله IEEE

ieee2

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

ESAMR : الگوریتم زمانبندی پیشرفته خودتطبیقی نگاشت‌کاهش (MapReduce)

عنوان انگلیسی مقاله:

ESAMR: An Enhanced Self-Adaptive MapReduce Scheduling Algorithm

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار  ۲۰۱۲
تعداد صفحات مقاله انگلیسی  ۸ صفحه با فرمت pdf
رشته های مرتبط با این مقاله  مهندسی کامپیوتر
گرایش های مرتبط با این مقاله  مهندسی الگوریتم ها و محاسبات، برنامه نویسی کامپیوتر و مهندسی نرم افزار
مجله  هیجدهمین کنفرانس بین المللی سیستم های موازی و توزیع شده
دانشگاه  گروه مهندسی و علوم کامپیوتر، دانشگاه نبراسکا، لینکلن
کلمات کلیدی  نگاشت‌کاهش (MapReduce)، اجرای دوبارۀ حدسی وظایف، ناهمگن
شناسه شاپا یا ISSN ISSN ۱۵۲۱-۹۰۹۷
رفرنس دارد
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه IEEE

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin ۲۲ صفحه
ترجمه عناوین تصاویر و جداول ترجمه شده است
ترجمه متون داخل تصاویر ترجمه نشده است
ترجمه متون داخل جداول ترجمه شده است
درج تصاویر در فایل ترجمه درج شده است
درج جداول در فایل ترجمه درج شده است
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس درج شده است

 


  • فهرست مطالب:

 

چکیده
۱- مقدمه
۲- پس‌زمینه
الف) مفاهیم اصلی نگاشت‌کاهش
ب) سازو کارهای موجود اجرای مجدد
۳- الگوریتم ESAMR
۴- ارزیابی
۵- نتیجه‌گیری


  • بخشی از ترجمه:

 

۵- نتیجه‌گیری
به منظور غلبه بر محدودیت‌های ساز و کارهای اجرای دوبارۀ نگاشت‌کاهش موجود، در این مقاله به ESAMR به عنوان الگوریتم زمانبندی پیشرفتۀ نگاشت‌کاهش خودتطبیقی اشاره کردیم که از الگوریتم خوشه‌بندی K-means برای طبقه‌بندی اطلاعات گذشته در قالب خوشه‌های K استفاده کرده و سپس برآورد دقیق‌تری از اوزان مراحل کار ارائه می‌کند تا به درستی کارهای کند و اجرای دوبارۀ آنها را تشخیص دهد. نتایج تجربی حاکی از کارآیی ESAMR است.


  • بخشی از مقاله انگلیسی:

 

V. CONCLUSION

To overcome the limitations of existing MapReduce reexecution mechanisms, in this paper we develop ESAMR: an Enhanced Self-Adaptive MapReduce scheduling algorithm, which uses k-means clustering algorithm to classify historical information into k clusters and thus generates more accurate estimation of task’s stage weights to correctly identify slow tasks and re-execute them. Experimental results have shown the effectiveness of ESAMR.


 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

الگوریتم برنامه ریزی زمانی خودتطبیقی نگاشت‌ کاهش

عنوان انگلیسی مقاله:

ESAMR: An Enhanced Self-Adaptive MapReduce Scheduling Algorithm

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

دانلود رایگان مقاله انگلیسی

 

خرید ترجمه فارسی مقاله

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *