2. RELATED WORKIn Big-Data-scale wo

2. RELATED WORK
In Big-Data-scale workloads, building a cluster with enough DRAM capacity to accommodate
the entire dataset can be desirable but expensive. An example of such
a system is RAMCloud, which is a DRAM-based storage for large-scale data center
applications [Ousterhout et al. 2010; Rumble et al. 2014]. RAMCloud provides more
than 64TB of DRAM storage distributed across over 1,000 servers networked over
high-speed interconnect. Although RAMCloud provides 100 to 1,000 times better performance
than disk-based systems of similar scale, its high energy consumption and
high price per GB limit its widespread use except for extremely performance- and
latency-sensitive workloads. Furthermore, the overhead of a widely distributed processing
platform becomes high quickly, making it difficult to make full use of the total
computational power of the cluster [McSherry et al. 2015]. Even with a scalable processing
platform, the overhead may be so high that running a less scalable software on
fewer machines might sometimes be a faster solution.

ผลลัพธ์ (ไทย) 1:

2 ทำงานที่เกี่ยวข้องในปริมาณขนาดใหญ่ข้อมูล สร้างคลัสเตอร์ มีกำลังการผลิต DRAM เพียงพอเพื่อรองรับชุดข้อมูลทั้งหมดได้อย่างน่าพอใจ แต่ราคาแพง ตัวอย่างดังกล่าวระบบ RAMCloud ซึ่งเป็นที่เก็บที่ใช้ DRAM สำหรับศูนย์ข้อมูลขนาดใหญ่แอปพลิเคชัน [Ousterhout et al. 2010 ดังก้องร้อยเอ็ด 2014] RAMCloud ให้บริการกว่า 64TB ของ DRAM เครือข่ายจัดเก็บข้อมูลกระจายผ่านเซิร์ฟเวอร์มากกว่า 1,000 กว่าความเร็วสูงเชื่อมต่อระหว่างกัน แม้ว่า RAMCloud ให้ 100 ถึง 1,000 ครั้งประสิทธิภาพที่ดีขึ้นกว่าบนดิสก์ระบบของคล้ายขนาด การใช้พลังงานสูง และสูงราคาต่อขีดจำกัด GB ใช้แพร่หลายยกเว้นมากประสิทธิภาพการทำงาน - และภาระการทำงานเวลาแฝงที่สำคัญ นอกจากนี้ การประมวลผลของค่าโสหุ้ยของการกระจายอย่างกว้างขวางแพลตฟอร์มที่จะสูงได้อย่างรวดเร็ว เพื่อใช้รวมกำลังการคำนวณของคลัสเตอร์ [McSherry et al. 2015] แม้จะ มีการประมวลผลที่ปรับขนาดได้แพลตฟอร์ม ค่าใช้จ่ายอาจจะสูงดังนั้นซอฟต์แวร์ที่มีขนาดน้อยกว่าที่ใช้บนเครื่องน้อยลงบางครั้งอาจแก้ไขปัญหาได้เร็วขึ้น

ผลลัพธ์ (ไทย) 2:

2. งานที่เกี่ยวข้อง
ในปริมาณงานบิ๊กข้อมูลขนาดสร้างคลัสเตอร์ที่มีความจุหน่วยความจำ DRAM พอที่จะรองรับ
ชุดข้อมูลทั้งหมดจะเป็นที่น่าพอใจ แต่มีราคาแพง ตัวอย่างเช่น
ระบบเป็น RAMCloud ซึ่งเป็นจัดเก็บ DRAM ที่ใช้สำหรับการขนาดใหญ่ที่ศูนย์ข้อมูล
การใช้งาน [Ousterhout et al, 2010 ดังก้อง, et al 2014] RAMCloud ให้มากขึ้น
กว่า 64TB ของการจัดเก็บ DRAM กระจายไปทั่วกว่า 1,000 เซิร์ฟเวอร์เครือข่ายมากกว่า
การเชื่อมต่อความเร็วสูง แม้ว่า RAMCloud ให้ประสิทธิภาพการทำงาน 100 ถึง 1,000 ครั้งดี
กว่าระบบที่ใช้ดิสก์ของขนาดที่คล้ายกันการใช้พลังงานสูงและ
ราคาที่สูงต่อ GB จำกัด การใช้อย่างแพร่หลายมากยกเว้น performance- และ
ปริมาณงานที่ไวต่อความล่าช้า นอกจากนี้ค่าใช้จ่ายของการประมวลผลแบบกระจายอย่างกว้างขวาง
แพลตฟอร์มสูงจะสูงได้อย่างรวดเร็วทำให้มันยากที่จะทำให้การใช้งานเต็มรูปแบบของรวม
กำลังการคำนวณของคลัสเตอร์ [McSherry et al, 2015] ถึงแม้จะมีการประมวลผลที่สามารถปรับขยาย
แพลตฟอร์มค่าใช้จ่ายอาจจะสูงเพื่อให้การทำงานของซอฟแวร์ที่ปรับขนาดได้น้อยลงใน
เครื่องน้อยลงบางครั้งอาจจะมีวิธีการแก้ปัญหาได้เร็วขึ้น

ผลลัพธ์ (ไทย) 3:

2 . งานที่เกี่ยวข้องในงานระดับใหญ่ข้อมูล สร้างคลัสเตอร์ที่มีความสามารถในการรองรับการเพียงพอข้อมูลทั้งหมดสามารถที่พึงประสงค์แต่แพง ตัวอย่าง เช่นระบบ ramcloud ซึ่งเป็น DRAM อยู่กระเป๋าสำหรับศูนย์ข้อมูลขนาดใหญ่การใช้งาน [ ousterhout et al . 2010 ; ดังก้อง et al . 2014 ] ramcloud แสดงเพิ่มเติมกว่า 64tb ของ DRAM กระเป๋ากระจายทั่วมากกว่า 1000 กว่าเซิร์ฟเวอร์เครือข่ายความเร็วสูงเชื่อม . แม้ว่า ramcloud ให้ 100 เพื่อประสิทธิภาพที่ดีขึ้น 1 , 000 ครั้งมากกว่าดิสก์ที่ใช้ระบบแบบที่คล้ายกัน การใช้พลังงานสูงและราคาสูงต่อ GB จำกัดใช้อย่างแพร่หลายของยกเว้นการแสดงมาก( ไวเวิร์กโหลด นอกจากนี้ ค่าใช้จ่ายในการกระจายอย่างกว้างขวางของการประมวลผลแพลตฟอร์มจะสูงเร็ว ทำให้ยากที่จะทำให้การใช้เต็มรูปแบบของการรวมพลังการคำนวณของกลุ่ม [ mcsherry et al . 2015 ] แม้แต่กับกระบวนการยืดหยุ่นแพลตฟอร์ม ค่าใช้จ่ายอาจจะสูงมากที่ใช้ซอฟต์แวร์ยืดหยุ่นน้อยลงเครื่องน้อยลง บางทีอาจจะแก้ปัญหาได้เร็วขึ้น