The volume of data operated upon by

The volume of data operated upon by modern applications is
growing at a tremendous rate, posing intriguing challenges for
parallel and distributed computing platforms. These challenges
range from building storage systems that can accommodate
these large datasets to collecting data from vastly geographically
distributed sources into storage systems to running a diverse set
of computations on data. Resource and semantic constraints, like
Brewer’s CAP theorem, require handling these problems on a perapplication basis, exploiting application-specific characteristics
and heuristics. Recent efforts towards addressing these challenges
have resulted in scalable distributed storage systems (file systems,
key-value stores, etc.) and execution engines that can handle a
variety of computing paradigms. In the future, as the data sizes
continue to grow and the domains of these applications diverge,
these systems will need to adapt to leverage application-specific
optimizations. To tackle the highly distributed nature of data
sources, future systems might offload some of the computation to
the sources itself to avoid the expensive data movement costs.

ผลลัพธ์ (ไทย) 1:

เป็นระดับข้อมูลที่ดำเนินการตาม โดยโปรแกรมประยุกต์ที่ทันสมัยอัตรามหาศาล วางตัวน่าท้าทายสำหรับการเติบโตแบบขนาน และแบบกระจายคอมพิวเตอร์แพลตฟอร์ม ความท้าทายเหล่านี้ช่วงสร้างระบบจัดเก็บข้อมูลที่สามารถรองรับdatasets ขนาดใหญ่เหล่านี้จะเก็บรวบรวมข้อมูลสำคัญ ๆ กันทางภูมิศาสตร์กระจายแหล่งจัดเก็บระบบทำงานหลากหลายชุดของการประมวลผลข้อมูล ทรัพยากรและข้อจำกัดทางตรรกทฤษฎีบทของ Brewer หมวก ต้องจัดการปัญหาเหล่านี้ตาม perapplication, exploiting ลักษณะเฉพาะสำหรับโปรแกรมประยุกต์และลองผิดลองถูก ความพยายามล่าสุดต่อการจัดการกับความท้าทายเหล่านี้มีผลในการจัดเก็บแบบกระจายสามารถปรับระบบ (ระบบไฟล์เก็บค่าคีย์ ฯลฯ) และกลไกการดำเนินการที่สามารถจัดการกับความหลากหลายของ paradigms คอมพิวเตอร์ ในอนาคต เป็นข้อมูลขนาดยังคงเติบโต และโดเมนของโปรแกรมประยุกต์เหล่านี้ divergeระบบเหล่านี้จะต้องปรับใช้โปรแกรมประยุกต์เฉพาะเพิ่มประสิทธิภาพการ เล่นงานธรรมชาติสูงกระจายของข้อมูลแหล่งที่มา ระบบในอนาคตอาจถ่ายโหลดของการคำนวณการแหล่งมาเพื่อหลีกเลี่ยงต้นทุนการเคลื่อนย้ายข้อมูลราคาแพง

ผลลัพธ์ (ไทย) 2:

ปริมาณของข้อมูลที่ดำเนินการโดยการใช้งานที่ทันสมัยที่เพิ่มขึ้นในอัตราที่มากวางตัวกับความท้าทายที่น่าสนใจสำหรับขนานและกระจายแพลตฟอร์มคอมพิวเตอร์ ความท้าทายเหล่านี้มีตั้งแต่การสร้างระบบจัดเก็บข้อมูลที่สามารถรองรับชุดข้อมูลขนาดใหญ่เหล่านี้ในการเก็บรวบรวมข้อมูลจากทางภูมิศาสตร์อย่างมากมายแหล่งกระจายเข้าไปในระบบจัดเก็บข้อมูลเพื่อการทำงานที่หลากหลายของการคำนวณข้อมูลที่ ทรัพยากรและข้อ จำกัด ความหมายเช่นทฤษฎีบทCAP เบียร์, ต้องจัดการปัญหาเหล่านี้บนพื้นฐาน perapplication, การใช้ประโยชน์จากลักษณะเฉพาะของโปรแกรมประยุกต์และการวิเคราะห์พฤติกรรม ความพยายามล่าสุดที่มีต่อความท้าทายเหล่านี้มีผลในการขยายขีดความสามารถระบบจัดเก็บข้อมูลแบบกระจาย (ระบบไฟล์, ร้านค้าค่าคีย์ ฯลฯ ) การดำเนินการและเครื่องมือที่สามารถจัดการกับความหลากหลายของกระบวนทัศน์คอมพิวเตอร์ ในอนาคตในขณะที่ขนาดข้อมูลยังคงเติบโตและโดเมนของโปรแกรมเหล่านี้แตกต่าง, ระบบเหล่านี้จะต้องมีการปรับให้เข้ากับการใช้ประโยชน์จากโปรแกรมเฉพาะการเพิ่มประสิทธิภาพ ที่จะแก้ไขปัญหาธรรมชาติกระจายสูงของข้อมูลแหล่งที่มาของระบบในอนาคตอาจจะ offload บางส่วนของการคำนวณไปยังแหล่งที่มาของตัวเองเพื่อหลีกเลี่ยงค่าใช้จ่ายในการเคลื่อนย้ายข้อมูลที่มีราคาแพง

ผลลัพธ์ (ไทย) 3:

ปริมาณของข้อมูลที่ดำเนินการต่อโดยโปรแกรมที่ทันสมัย
เติบโตในอัตราที่มหาศาล วางตัวท้าทายที่น่าสนใจสำหรับ
การคำนวณแบบขนานและกระจายสถาปัตยกรรม ความท้าทาย
ช่วงจากอาคารที่สามารถรองรับระบบการจัดเก็บข้อมูลเหล่านี้มีขนาดใหญ่เพื่อเก็บข้อมูล

การกระจายทางภูมิศาสตร์จากอย่างมากมายในระบบจัดเก็บข้อมูลเพื่อใช้ชุดหลากหลาย
การคำนวณ ข้อมูลเหล่านี้รัศมี ( semantic constraints , like
theorem สั่งของ handling ้านนี้คุณเทคโนโลยีสารสนเทศนี้ , กราฟิกใหม่กับ perapplication basis , exploiting application . specific
( 15 . ความพยายามในการจัดการกับความท้าทาย
เหล่านี้มีผลในด้านระบบการจัดเก็บข้อมูลแบบกระจาย ( ระบบแฟ้ม
คีย์ค่าร้านค้า ฯลฯ ) และเครื่องยนต์ปฏิบัติการที่สามารถจัดการ
คู่แข่งของ paradigms ไปพบใน ในอนาคต เป็นขนาดข้อมูล
ยังคงเติบโตและโดเมนของโปรแกรมเหล่านี้ออกไป
ระบบเหล่านี้จะต้องปรับตัวเพื่อยกระดับการเพิ่มประสิทธิภาพเฉพาะ
ใบสมัคร เพื่อรับมือกับการกระจายสูงธรรมชาติของแหล่งข้อมูล
, ระบบในอนาคตอาจกำจัดบางส่วนของการคำนวณ

แหล่งตัวเองเพื่อหลีกเลี่ยงค่าใช้จ่ายการเคลื่อนย้ายข้อมูลราคาแพง