is cognizant of the uneven thermal-

is cognizant of the uneven thermal-profile of the servers, differences in their thermal-reliability-driven load thresholds, and differences in the data-semantics (i.e., computation job rates, sizes, and evolution life spans) of the Big Data placed in the cluster. Based on this knowledge, and coupled with its predictive data models and run-time cluster information, T∗ does proactive, thermal-aware file placement.

ผลลัพธ์ (ไทย) 1:

เป็นซึ่งรู้ถึงความร้อนไม่สม่ำเสมอ-profile ของเซิร์ฟเวอร์ ความแตกต่างในขีดจำกัดของความร้อนความน่าเชื่อถือขับโหลด และความแตกต่างในการข้อมูลความหมาย (เช่น คำนวณราคางาน ขนาด และครอบคลุมชีวิตวิวัฒนาการ) ของข้อมูลขนาดใหญ่ที่อยู่ในคลัสเตอร์ ขึ้นอยู่กับความรู้นี้ และควบคู่ไป ด้วยแบบจำลองคาดการณ์ข้อมูลและข้อมูลเวลารันคลัสเตอร์ T∗ ไม่เชิงรุก file ความร้อนตามตำแหน่ง

ผลลัพธ์ (ไทย) 2:

เป็นรู้ทันไม่สม่ำเสมอความร้อนโปรไฟเลอของเซิร์ฟเวอร์ที่แตกต่างในความน่าเชื่อถือที่ขับเคลื่อนด้วยความร้อนเกณฑ์การโหลดของพวกเขาและความแตกต่างในข้อมูลความหมาย (เช่นงานคำนวณอัตราขนาดและชีวิตวิวัฒนาการครอบคลุม) ของข้อมูลขนาดใหญ่ที่วางอยู่ใน กลุ่ม อยู่บนพื้นฐานของความรู้นี้และคู่กับรูปแบบของข้อมูลการคาดการณ์และข้อมูลเวลาทำงานกลุ่ม T * ไม่เชิงรุกร้อนตระหนักไฟเลอตำแหน่ง

ผลลัพธ์ (ไทย) 3:

เป็นพันธมิตรของไม่เรียบร้อน Pro จึงเลอของเซิร์ฟเวอร์ , ความแตกต่างของความร้อนความน่าเชื่อถือขับเคลื่อนโหลดธรณีประตู และความแตกต่างของข้อมูล ความหมาย ( เช่น งานคำนวณราคา , ขนาด , และวิวัฒนาการในช่วงชีวิต ) ของใหญ่ข้อมูล อยู่ในกลุ่ม บนพื้นฐานของความรู้นี้ และคู่กับนางแบบและข้อมูลความเสี่ยงของกลุ่มข้อมูลพยากรณ์ , T ∗ทำเชิงรุกจึงทราบความเลอ การจัดวาง