However, reducing the number of rep

However, reducing the number of replicas is unsafe. This only aggravates the inherent limitation of data replication: its failure resilience guarantees are fundamentally limited by the number of replicas. Having insufficient replicas leaves computations exposed to failures and this can severely impact performance. The reason is that without the use of data replication, failures can easily cause data loss which can trigger cascading job recomputations: several jobs need to be recomputed to regenerate the lost data. In the worst case, the recomputation may have to revert all the way to the beginningof the multi-jobcomputation.This suggests the need for devising efficient approaches to job recomputation.

ผลลัพธ์ (ไทย) 1:

อย่างไรก็ตาม ลดจำนวนของแบบจำลองนั้นไม่ปลอดภัย นี้เฉพาะ aggravates จำกัดโดยธรรมชาติของการจำลองแบบข้อมูล: ความยืดหยุ่นของความล้มเหลวรับรองความถูกจำกัด โดยจำนวนของแบบจำลอง มีใบ insufficient แบบจำลองหนึ่งที่สัมผัสกับความล้มเหลวนี้สามารถรุนแรงประสิทธิภาพ เหตุผลคือไม่ มีการใช้การจำลองแบบข้อมูล ความล้มเหลวได้อย่างง่ายดายทำให้สูญเสียข้อมูลที่สามารถเรียก recomputations งานที่เกี่ยวข้อง: งานต่าง ๆ จำเป็นต้องมี recomputed เพื่อสร้างข้อมูลสูญหายได้ ในกรณีเลวร้ายที่สุด recomputation ที่อาจจะต้องย้อนกลับไปทาง beginningof jobcomputation หลายนี้แนะนำต้องทบทวนแนวทาง efficient recomputation งาน

ผลลัพธ์ (ไทย) 2:

อย่างไรก็ตามการลดจำนวนของแบบจำลองจะไม่ปลอดภัย นี้เท่านั้น aggravates ข้อ จำกัด โดยธรรมชาติของการจำลองแบบข้อมูล: ความล้มเหลวของการค้ำประกันความยืดหยุ่นที่จะถูก จำกัด พื้นฐานจากจำนวนจำลอง มี insuf ไฟเพียงพอจำลองการคำนวณใบสัมผัสกับความล้มเหลวและรุนแรงนี้สามารถส่งผลกระทบต่อประสิทธิภาพการทำงาน เหตุผลก็คือว่าโดยไม่ต้องใช้การจำลองแบบข้อมูลความล้มเหลวอาจทำให้เกิดการสูญเสียข้อมูลซึ่งสามารถเรียก cascading recomputations งานได้ง่าย: หลายงานจะต้องมีการคำนวณใหม่จะงอกใหม่ข้อมูลสูญหาย ในกรณีที่เลวร้ายที่สุดคำนวณใหม่อาจจะต้องเปลี่ยนไปตลอดทางจนถึง beginningof หลาย jobcomputation.This ชี้ให้เห็นความจำเป็นในการตอบโต้เพียงพอไฟ EF วิธีการคำนวณใหม่งาน

ผลลัพธ์ (ไทย) 3:

อย่างไรก็ตาม การลดจำนวนของแบบจําลองที่ไม่ปลอดภัย นี้เฉพาะ aggravates ข้อจำกัดโดยธรรมชาติของการจำลองแบบข้อมูล : ความล้มเหลวของความยืดหยุ่นและทนทานรับประกันพื้นฐาน จำกัด โดยจำนวนของแบบจําลอง มี insuf จึง cient จําลองใบคำนวณเปิดเผยความล้มเหลวและผลกระทบนี้อย่างรุนแรงสามารถแสดง เหตุผลคือ ไม่มีการใช้ซ้ำข้อมูลความล้มเหลวสามารถทำให้เกิดการสูญหายของข้อมูลที่สามารถเรียก recomputations : งานหลายงานซ้อน ต้อง recomputed เพื่อสร้างข้อมูลที่สูญหาย . ในกรณีที่เลวร้ายที่สุด recomputation อาจต้องย้อนกลับไปทาง multi-jobcomputation.this นบ่งบอกว่าต้องการถ่ายทอดแนวทางงาน EF cient recomputation .