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