مروری بر روش های زمان بندی مبتنی بر الگوریتم های فراابتکاری در مدل MapReduce

مطالعات اخیر در بحث کلان داده نشان می دهد که میزان داده ها با سرعت بسیار زیادی در حال رشد است. این رشد سریع، در سال هایاخیر بسیاری از محققان را به تحقیق بر روی مباحث مختلف کلان داده ترغیب کرده است. مدل MapReduce از چارچوب Hadoopتجزیه و تحلیل حجم عظیمی از داده های بزرگ را از طریق پردازش موازی امکان پذیر می کند. یکی از مهمترین مباحث در این مدل بحثزمان بندی می باشد، زیرا زمانبندی بر کیفیت سرویس و رضایت کاربر تاثیر مستقیم دارد. زمان بندی یکی از مسائل چند بعدی و پیچیدهدر بحث کلان داده است و لذا با روش های سنتی مثل روش FIFO به نتایج مطلوبی نمی رسد. از آن جایی که روش های فراابتکاری درمسائل مشابه به نتایج مناسبی رسیده اند، محققین در سال های اخیر بیشتر به روش های زمانبندی مبتنی بر الگوریتم های فراابتکاریپرداخته اند. ما در این مقاله مروری بر این روش ها خواهیم داشت.

کلیدواژه ها:

کلان داده ، زمان بندی ، مدل MapReduce ، چارچوب Hadoop ، روش های فراابتکاری