Big Data analytics usually require

Big Data analytics usually require a large amount of fast random access memory and computation. When a working set spills over the DRAM capacity of a cluster and starts accessing disk storage, the whole performance of the cluster falls sharply. A natural solution is building a large enough cluster with enough collective DRAM to accommodate the working set. Such a cluster often becomes prohibitively large, in terms of both capital and operational cost. It also becomes difficult to run software that makes efficient use of the total computation capabilities of a large cluster. Flash storage is an attractive alternative to DRAM in this regard, due to its fast random access performance, low power consumption, and low cost per GB. However, flash storage, packaged as off-the-shelf SSDs, suffer performance penalties in order to be backward compatible with older magnetic disk storage devices

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ข้อมูลขนาดใหญ่มักจะต้องใช้จำนวนมากของหน่วยความจำเข้าถึงโดยสุ่มอย่างรวดเร็วและการคำนวณ เมื่อชุดการทำงานหกกว่ากำลังการผลิต DRAM ของคลัสเตอร์ และเริ่มต้นการเข้าถึงดิสก์จัดเก็บข้อมูล ประสิทธิภาพการทำงานทั้งหมดของคลัสเตอร์ตกอย่างรวดเร็ว ทางธรรมชาติคือการสร้างคลัสเตอร์ขนาดใหญ่พอกับ DRAM เพียงพอรวมเพื่อรองรับชุดการทำงาน คลัสเตอร์ดังกล่าวมักจะกลายเป็นพิมพ์ใหญ่ ในแง่ของทุนและต้นทุนในการดำเนินงาน มันยังจะยากในการเรียกใช้ซอฟต์แวร์ที่ทำให้สามารถคำนวณผลรวมของคลัสเตอร์ใหญ่ใช้อย่างมีประสิทธิภาพ แฟลชเป็น DRAM แทนน่าสนใจในเรื่องนี้ เนื่องจากประสิทธิภาพการเข้าถึงแบบสุ่มอย่างรวดเร็ว ประหยัดพลังงาน และต้นทุนต่ำต่อ GB อย่างไรก็ตาม แฟลช บรรจุเป็น Ssd ปิดชั้นวาง ประสบประสิทธิภาพการทำงานบทลงโทษเพื่อที่จะใช้ร่วมกับอุปกรณ์จัดเก็บข้อมูลดิสก์แม่เหล็กเก่า

ผลลัพธ์ (ไทย) 2:

วิเคราะห์ข้อมูลขนาดใหญ่มักจะต้องใช้เป็นจำนวนมากของหน่วยความจำเข้าถึงได้อย่างรวดเร็วแบบสุ่มและการคำนวณ เมื่อมีการรั่วไหลของการทำงานชุดมากกว่าความจุของหน่วยความจำ DRAM คลัสเตอร์และเริ่มการเข้าถึงการจัดเก็บดิสก์ประสิทธิภาพทั้งของคลัสเตอร์ตกอย่างรวดเร็ว วิธีธรรมชาติคือการสร้างคลัสเตอร์ที่มีขนาดใหญ่พอกับ DRAM ส่วนรวมพอที่จะรองรับชุดทำงาน เช่นคลัสเตอร์มักจะมีขนาดใหญ่สาหัส, ทั้งในแง่ของเงินทุนและต้นทุนการดำเนินงาน มันก็จะกลายเป็นเรื่องยากที่จะเรียกใช้ซอฟต์แวร์ที่ทำให้ประสิทธิภาพในการใช้ความสามารถในการคำนวณรวมของคลัสเตอร์ที่มีขนาดใหญ่ การจัดเก็บแฟลชเป็นทางเลือกที่น่าสนใจให้กับ DRAM ในเรื่องนี้เนื่องจากประสิทธิภาพในการเข้าถึงแบบสุ่มอย่างรวดเร็ว, การใช้พลังงานต่ำและต้นทุนต่ำต่อ GB อย่างไรก็ตามการจัดเก็บแฟลช, บรรจุเป็น SSDs ปิด -the-shelf ประสบลงโทษประสิทธิภาพในการที่จะเข้ากันได้กับอุปกรณ์จัดเก็บข้อมูลจานแม่เหล็กที่มีอายุมากกว่า

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ข้อมูลใหญ่มักจะต้องใช้จำนวนมากของหน่วยความจำเข้าถึงโดยสุ่มอย่างรวดเร็ว และผลที่ได้จากการคำนวณ เมื่อชุดทำงานหกกว่า DRAM ความจุของคลัสเตอร์ และเริ่มเข้าสู่กระเป๋าดิสก์ , ประสิทธิภาพของกลุ่มตกอย่างแหลมคม วิธีธรรมชาติคือการสร้างคลัสเตอร์ขนาดใหญ่เพียงพอกับการรวมเพียงพอที่จะรองรับการตั้งค่าการทำงาน เช่นกลุ่มมักจะกลายเป็น prohibitively ขนาดใหญ่ ทั้งในแง่ของทุนและค่าใช้จ่ายการดำเนินงาน . มันยังเป็นเรื่องยากที่จะเรียกใช้ซอฟต์แวร์ที่ทำให้การใช้งานที่มีประสิทธิภาพของทั้งหมดความสามารถในการคำนวณของคลัสเตอร์ขนาดใหญ่ กระเป๋าแฟลชที่น่าสนใจทางเลือก DRAM ในเรื่องนี้ เนื่องจากประสิทธิภาพของการเข้าถึงแบบสุ่มอย่างรวดเร็ว ใช้พลังงานน้อย และต้นทุนต่ำต่อ GB อย่างไรก็ตาม แฟลช กระเป๋าบรรจุที่ปิดการเก็บรักษานี้ ประสบการทำงานการลงโทษเพื่อให้เข้ากันได้กับรุ่นเก่า จานแม่เหล็ก อุปกรณ์