5.1.2 Task Start-upWe found that ou

5.1.2 Task Start-up
We found that our MR programs took some time before all nodes
were running at full capacity. On a cluster of 100 nodes, it takes 10
seconds from the moment that a job is submitted to the JobTracker
before the first Map task begins to execute and 25 seconds until all
the nodes in the cluster are executing the job. This coincides with
the results in [8], where the data processing rate does not reach its
peak for nearly 60 seconds on a cluster of 1800 nodes. The “cold
start” nature is symptomatic to Hadoop’s (and apparently Google’s)
implementation and not inherent to the actual MR model itself. For
example, we also found that prior versions of Hadoop would create
a new JVM process for each Map and Reduce instance on a node,
which we found increased the overhead of running jobs on large
data sets; enabling the JVM reuse feature in the latest version of
Hadoop improved our results for MR by 10–15%.
In contrast, parallel DBMSs are started at OS boot time, and thus
are considered to always be “warm”, waiting for a query to execute.
Moreover, all modern DBMSs are designed to execute using multiple threads and processes, which allows the currently running code
to accept additional tasks and further optimize its execution schedule. Minimizing start-up time was one of the early optimizations of
DBMSs, and is certainly something that MR systems should be able
to incorporate without a large rewrite of the underlying architecture.

ผลลัพธ์ (ไทย) 1:

5.1.2 เริ่มต้นงานเราพบว่า โปรแกรมของเรานายเอาเวลาก่อนโหนทั้งหมดได้ทำงานที่กำลัง ในคลัสเตอร์ของโหน 100 ใช้เวลา 10วินาทีจากเวลาที่งานจะถูกส่งไป JobTrackerแผนที่แรกที่เริ่มดำเนินงานและวินาทีจนทั้งหมดโหนดในคลัสเตอร์กำลังดำเนินงาน นี้กรุณาผลลัพธ์ใน [8], ที่อัตราประมวลผลข้อมูลไม่ถึงการสูงสุดเกือบ 60 วินาทีในคลัสเตอร์ของโหน 1800 เย็น"เริ่มต้น"คืออาการเป็นอย่างไร Hadoop (และเห็นได้ชัดของ Google)ดำเนินงาน และโดยธรรมชาติกับรูปนายแบบจริงตัวเองไม่ สำหรับตัวอย่าง เรายังพบว่า จะสร้างอย่างไร Hadoop รุ่นก่อนหน้านี้กระบวนการ JVM ใหม่สำหรับแต่ละอินสแตนซ์ของแผนที่และลดบนโหนดซึ่งเราพบเพิ่มค่าโสหุ้ยของการใช้งานขนาดใหญ่ค่า เปิดใช้งานคุณลักษณะการนำ JVM ในรุ่นล่าสุดอย่างไร Hadoop ปรับปรุงผลลัพธ์ของเราสำหรับนาย 10 – 15%ในทางตรงกันข้าม การเริ่มต้น DBMSs พร้อมระบบปฏิบัติการ และดังนั้นจะถือเป็น "อบอุ่น" รอแบบสอบถามการดำเนินการนอกจากนี้ DBMSs ทันสมัยทั้งหมดถูกออกแบบให้ดำเนินการใช้หลายหัวข้อและกระบวนการ ซึ่งช่วยให้รหัสทำงานอยู่ในขณะนี้ยอมรับงานเพิ่มเติม และเพิ่มเติม ปรับกำหนดการดำเนินการของ ลดเวลาเริ่มต้นถูกเพิ่มประสิทธิภาพก่อนของอย่างใดอย่างหนึ่งDBMSs และแน่นอนสิ่งที่นายระบบควรจะสามารถการรวม โดยตรวจแก้ใหญ่ของสถาปัตยกรรมแบบ

ผลลัพธ์ (ไทย) 2:

5.1.2
งานเริ่มขึ้นเราพบว่าโปรแกรมMR
ของเราเอาเวลาก่อนโหนดทั้งหมดกำลังทำงานได้อย่างเต็มประสิทธิภาพ ในกลุ่มของ 100 โหนดก็จะใช้เวลา 10
วินาทีจากช่วงเวลาที่งานจะถูกส่งไปยัง JobTracker
ก่อนที่งานจะเริ่มขึ้นแผนที่แรกที่จะดำเนินการและ 25
วินาทีจนทุกโหนดในคลัสเตอร์กำลังดำเนินงาน นี้เกิดขึ้นพร้อมกับผลใน [8] ที่อัตราการประมวลผลข้อมูลไม่ถึงที่จุดสูงสุดเกือบ60 วินาทีในคลัสเตอร์ 1800 โหนด "ความเย็นเริ่มต้น" ลักษณะอาการที่จะ Hadoop (และเห็นได้ชัดว่า Google) การดำเนินงานและไม่ได้โดยธรรมชาติกับรูปแบบนายแท้จริงของตัวเอง สำหรับตัวอย่างเช่นเรายังพบว่ารุ่นก่อนของ Hadoop จะสร้างกระบวนการJVM ใหม่สำหรับแต่ละแผนที่และลดเช่นในโหนดที่เราพบว่าค่าใช้จ่ายที่เพิ่มขึ้นของการใช้งานที่มีขนาดใหญ่ในชุดข้อมูล การเปิดใช้งานคุณลักษณะที่นำมาใช้ใน JVM รุ่นล่าสุดของHadoop ปรับปรุงผลของเราสำหรับ MR 10-15%. ในทางตรงกันข้าม DBMSs ขนานจะเริ่มต้นในเวลาบูตระบบปฏิบัติการและจึงจะถือว่าเป็นเสมอ"อบอุ่น" รอการสอบถามไปยัง รัน. นอกจากนี้ DBMSs ที่ทันสมัยได้รับการออกแบบที่จะดำเนินการโดยใช้หลายหัวข้อและกระบวนการซึ่งจะช่วยให้รหัสที่กำลังทำงานอยู่ที่จะยอมรับงานเพิ่มเติมและตารางการเพิ่มประสิทธิภาพการปฏิบัติของตน เวลาเริ่มต้นขึ้นลดเป็นหนึ่งในการเพิ่มประสิทธิภาพต้นของDBMSs และแน่นอนสิ่งที่ระบบ MR ควรจะสามารถที่จะรวมโดยไม่ต้องเขียนขนาดใหญ่ของสถาปัตยกรรมพื้นฐาน

ผลลัพธ์ (ไทย) 3:

5.1.2 งานเริ่มต้นขึ้น
เราพบว่าโปรแกรมของเราต้องใช้เวลาก่อนที่นายโหน
กำลังวิ่งอย่างเต็มศักยภาพ ในกลุ่มของ 100 ข้อ ใช้เวลา 10
วินาทีจากช่วงเวลาที่งานถูกส่งไปยัง jobtracker
ก่อนงานแผนที่ก่อนเริ่มรันและ 25 วินาทีจนกว่า
โหนด ในกลุ่มมีการดําเนินงาน นี้ตรงกับ
ผล [ 8 ]ซึ่งข้อมูลการประมวลผลคะแนนไม่ถึงจุดสูงสุด
เกือบ 60 วินาทีในกลุ่มของ 1800 โหนด " หนาว
เริ่ม " ธรรมชาติ คือ อาการที่จะ Hadoop ( จาก Google )
ใช้จริงคุณไม่ในแบบตัวเอง สำหรับ
ตัวอย่าง เราพบว่า ก่อนที่จะสร้างรุ่นของ Hadoop
ใหม่ JVM กระบวนการสำหรับแต่ละแผนที่ และลดการอินสแตนซ์บนโหนด
ซึ่งเราพบเพิ่มขึ้นค่าใช้จ่ายของวิ่งงานในชุด
ข้อมูลขนาดใหญ่ เปิดใช้งาน JVM ใช้คุณสมบัติในรุ่นล่าสุดของ
Hadoop ผลการปรับปรุงเพื่อคุณโดย 10 – 15%
ในทางตรงกันข้าม DBMSs ขนานเป็นเริ่มต้นที่ OS บูตเวลาและดังนั้น
ถือว่าเสมอ " อบอุ่น " รอ สำหรับแบบสอบถามที่จะรัน .
นอกจากนี้