In this research work we focused on

In this research work we focused on performance modelling and prediction of Hadoop Map-Reduce systems, the most popular framework for large-scale data processing. We developed the capability to evaluate application performance in hypothetical MapReduce systems using simulation. Compared to the traditional build- and-measure approach, our simulation-based evaluation is faster and cheaper and offers flexibility. Although real experiments must be conducted before total commitment, simulation-based evaluation can work as a intermediate step to reveal obvious flaws and help system designers further understand performance characteristics of their applications and the MapReduce system.

ผลลัพธ์ (ไทย) 1:

ในงานวิจัยนี้ เราเน้นประสิทธิภาพการทำงานสร้างแบบจำลองและการทำนายของระบบ Hadoop แผนที่ลด กรอบนิยมมากที่สุดสำหรับการประมวลผลข้อมูลขนาดใหญ่ เราพัฒนาความสามารถในการประเมินประสิทธิภาพของโปรแกรมประยุกต์ในระบบ MapReduce สมมุติที่ใช้จำลอง เมื่อเทียบกับวิธีการสร้างวัดแบบดั้งเดิม การประเมินแบบจำลองสถานการณ์ของเรารวดเร็วกว่า และถูกกว่า และมีความยืดหยุ่น แม้ว่าการทดลองจริงต้องดำเนินการก่อนตั้งใจรวม การประเมินผลแบบจำลองสถานการณ์สามารถทำงานเป็นขั้นตอนระดับกลางเพื่อเปิดเผยข้อบกพร่องที่เห็นได้ชัด และช่วยให้นักออกแบบระบบการ ทำความเข้าใจลักษณะการทำงานของโปรแกรมประยุกต์และระบบ MapReduce

ผลลัพธ์ (ไทย) 2:

ในงานวิจัยนี้เรามุ่งเน้นการสร้างแบบจำลองประสิทธิภาพการทำงานและการคาดการณ์ของ Hadoop แผนที่ระบบลดกรอบนิยมมากที่สุดสำหรับการประมวลผลข้อมูลขนาดใหญ่ เราได้พัฒนาความสามารถในการประเมินประสิทธิภาพการประยุกต์ใช้ในระบบ MapReduce สมมุติโดยใช้สถานการณ์จำลอง เมื่อเทียบกับวิธีการ ณ อาคารและวัดแบบดั้งเดิมและการประเมินผลการจำลองของเราได้เร็วขึ้นและราคาถูกกว่าและมีความยืดหยุ่น แม้ว่าการทดลองจริงจะต้องดำเนินการก่อนที่จะมุ่งมั่นรวมการประเมินผลการจำลองที่ใช้สามารถทำงานเป็นขั้นตอนกลางเผยให้เห็นข้อบกพร่องที่เห็นได้ชัดและช่วยให้นักออกแบบระบบการเข้าใจลักษณะการทำงานของการใช้งานของพวกเขาและระบบ MapReduce

ผลลัพธ์ (ไทย) 3:

ในงานวิจัยนี้เราเน้นการสร้างแบบจำลองสมรรถนะและการทำนายแผนที่ Hadoop ลดระบบ กรอบที่ได้รับความนิยมมากที่สุดสำหรับการประมวลผลข้อมูลขนาดใหญ่ เราพัฒนาความสามารถที่จะประเมินประสิทธิภาพของโปรแกรมในระบบสมมุติ mapreduce โดยใช้การจำลองสถานการณ์ เมื่อเทียบกับแบบดั้งเดิมสร้าง - และวิธีการวัดประเมินผลตามแบบของเรา คือ เร็วกว่า และถูกกว่า และมีความยืดหยุ่น แม้ว่าการทดลองที่แท้จริงจะต้องดำเนินการก่อนที่ความมุ่งมั่นรวม การประเมินตามแบบจำลองสามารถทำงานเป็นขั้นตอนกลางเปิดเผยข้อบกพร่องที่ชัดเจนและช่วยให้ระบบนักออกแบบเข้าใจลักษณะงานของพวกเขาและการใช้งานระบบ mapreduce .