We cansee the medium instance achie

We can
see the medium instance achieves better transcoding performance
with larger computation capacity, as compared to the
small instance.
The latency with the micro instance is unexpectedly
large when the burst interval is longer than 60 seconds,
and as such we need not collect the latencies for even
longer burst intervals.
However, the micro instance performs
even better than the small instance with smaller burst intervals
due to more CPU power (Amazon claims the micro instance has
“UP to 2 ECUs”.) The reason lies in memory thrashing on the
micro instance (it has a smaller memory than other instances),
when burst transmission intervals are longer than 60 seconds,
when memory becomes the bottleneck. In case of the medium
instance, we also find that the startup latency with 100-second
burst intervals is smaller than that with 90-second bursts.
We believe that it is caused by the overheads of load balancing between
its two cores.
This shows that the performance can be
improved by a more efficient transcoding algorithm targeting at
multi-core platforms, which will be part of our future work.

ผลลัพธ์ (ไทย) 1:

เราสามารถ
เห็นเช่นสื่อที่ประสบความสำเร็จในการดำเนินงานที่ดีกว่าการแปลงรหัสที่มีความจุ
คำนวณขนาดใหญ่เมื่อเทียบกับขนาดเล็กเช่น

แฝงด้วยเช่นไมโครเป็นอย่างไม่คาดคิด
ขนาดใหญ่เมื่อช่วงเวลาที่ออกมามีความยาวมากกว่า 60 วินาที
และเป็นเช่นนี้เราไม่จำเป็นต้องเก็บเวลาแฝงในเรื่องระยะเวลาการได้อีกต่อไป
ระเบิด
แต่เช่นไมโครดำเนิน
ที่ดียิ่งขึ้นกว่าเช่นขนาดเล็กที่มีช่วงเวลาการระเบิดขนาดเล็ก
เนื่องจากพลังงานซีพียูมากขึ้น (อเมซอนอ้างเช่นไมโครมี
"ถึง 2 ECUs".) เหตุผลที่อยู่ในหน่วยความจำในการเฆี่ยน
ไมโครเช่น (มันมีหน่วยความจำขนาดเล็กกว่า กรณีอื่น ๆ )
เมื่อช่วงเวลาการส่งออกมาเป็นเวลานานกว่า 60 วินาที
เมื่อหน่วยความจำจะกลายเป็นคอขวด ในกรณีของกลาง
เช่นเรายังพบว่าความล่าช้าในการเริ่มต้นมี 100 วินาทีช่วง
ออกมามีขนาดเล็กกว่าที่มีการระเบิด 90 วินาที
เราเชื่อว่ามันเกิดจากค่าโสหุ้ยของโหลดสมดุลระหว่าง
สองแกนของ
นี้แสดงให้เห็นว่าผลการดำเนินงานที่สามารถ
ปรับปรุงโดยขั้นตอนวิธีการแปลงรหัสที่มีประสิทธิภาพมากขึ้นในการกำหนดเป้​​าหมายที่
แพลตฟอร์มแบบมัลติคอร์ซึ่งจะเป็นส่วนหนึ่งของการทำงานในอนาคตของเรา.

ผลลัพธ์ (ไทย) 2:

เราสามารถ
ดูอินสแตนซ์ปานกลางได้รับประสิทธิภาพ transcoding
จุคำนวณขนาดใหญ่ เป็นการเปรียบเทียบกับ
ตัวอย่างขนาดเล็กได้
ที่แฝงกับอินสแตนซ์ที่ไมโครจะคาด
ใหญ่เมื่อระเบิดนานกว่า 60 วินาที,
และเป็นเราต้องไม่เก็บเวลาแฝงสำหรับแม้
ต่อไประเบิดช่วง
ไร การทำงานของอินสแตนซ์ไมโคร
ดีกว่าตัวอย่างขนาดเล็กมีช่วงเวลาที่ระเบิด
เนื่องจากพลังงานของ CPU (Amazon อ้างมีอินสแตนซ์ไมโคร
"ถึง 2 ECUs") เหตุผลอยู่ในหน่วยความจำ thrashing ใน
ตัวอย่างขนาดเล็ก (มีหน่วยความจำที่มีขนาดเล็กกว่าอินสแตนซ์อื่น ๆ),
เมื่อช่วงส่งระเบิดนานกว่า 60 วินาที,
เมื่อจำเป็น รอง ในกรณีสื่อ
อินสแตนซ์ เรายังพบว่าแฝงเริ่มต้น ด้วยสอง 100
ช่วงระเบิดมีขนาดเล็กกว่าที่มีระเบิด 90 วินาที
เราเชื่อว่า มันเกิดจากวัสดุของสมดุลระหว่าง
แกนสอง
นี้แสดงว่า ประสิทธิภาพการทำงานสามารถ
ปรับปรุง โดยการเพิ่มประสิทธิภาพ transcoding อัลกอริทึมเป้าหมายที่
หลักหลายแพลตฟอร์ม ซึ่งจะเป็นส่วนหนึ่งของงานของเราในอนาคต

ผลลัพธ์ (ไทย) 3:

เราสามารถ
ซึ่งจะช่วยดูตัวอย่างเช่นขนาดกลางที่สามารถเพิ่ม ประสิทธิภาพ ในการเข้ารหัสได้ดียิ่งขึ้นพร้อมด้วยความสามารถในการรองรับ
ซึ่งจะช่วยคำนวณขนาดใหญ่เมื่อเทียบกับขนาดเล็กตัวอย่างเช่น
ซึ่งจะช่วยได้
การหน่วงเวลาที่พร้อมด้วยไมโครยกตัวอย่างเช่น
ซึ่งจะช่วยไม่ได้คาดคิดมาก่อนที่มีขนาดใหญ่เมื่อช่วงเวลาระเบิดที่มีความยาวมากกว่า 60 วินาที
และเราไม่จำเป็นต้องไปรับความล่าช้าของการระเบิดในแต่ละช่วงจะ
ซึ่งจะช่วยได้อีกต่อไป ตัวอย่างเช่น
อย่างไรก็ตามไมโครจะทำ
ตามมาตรฐานได้ดีกว่าที่ขนาดเล็กตัวอย่างเช่นเมื่อใช้ระเบิดขนาดเล็กในแต่ละช่วง
เนื่องจากมีการเพิ่มเติมของ CPU (แม่น้ำอเมซอนอ้างว่าที่ไมโครยกตัวอย่างเช่นมี
ซึ่งจะช่วย"ขึ้นมาใน 2 ecus "..)ที่เหตุผลทอดตัวอยู่ในหน่วยความจำฟาดที่
Micro ยกตัวอย่างเช่น(มีหน่วยความจำมากกว่าที่มีขนาดเล็กกว่าอีกบางกรณี),
เมื่อระเบิดในแต่ละช่วงจะมีการส่งสัญญาณไม่เกิน 60 วินาที,
เมื่อหน่วยความจำจะกลายเป็นที่คอคอด. ในกรณีที่มีขนาดกลางยกตัวอย่างเช่น
ซึ่งจะช่วยได้นอกจากนั้นเรายังพบว่าความล่าช้าเมื่อเริ่มทำงานที่พร้อมด้วยช่วงเวลา 100 วินาที
ระเบิดมีขนาดเล็กกว่าที่พร้อมด้วยกรีฑาลู่ช่วย 90 - ที่สอง
เราเชื่อว่ามันจะเกิดขึ้นโดยถ่ายเอกสารของความสมดุลการโหลดระหว่าง
ซึ่งจะช่วยได้สองแกนหลัก
นี้จะแสดงให้เห็นว่าการทำงานที่สามารถ
ซึ่งจะช่วยปรับปรุงให้ดีขึ้นด้วยอัลกอริธึมในการเข้ารหัสที่มี ประสิทธิภาพ มากขึ้นโดยตั้งเป้าที่
ซึ่งจะช่วยแพลตฟอร์มหลายแกนหลักที่จะเป็นส่วนหนึ่งของการทำงานในอนาคตของเรา.