همگام سازی فیلترها توسط الگوریتمهای دسته بندی جریان داده برای افزایش آستانه موازی سازی در زبان استریمآیتی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 395

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCONF01_097

تاریخ نمایه سازی: 14 آذر 1394

چکیده مقاله:

برخط بودن جریان داده یکی از ویژگیها همچنین یکی از معضلات تعامل با ساختار مربوطه است. حجم داده در حال انتقال وماهیت سریال دادهها باعث ایجاد محدودیت در ذخیره داده جهت پردازش در بازه ها ی زمانی طولانی میگردد بنابراین نمیتوان توسط روشهای نگهداشت و بررسی، جریان داده را پیش پردازش کارد.برای استفاده ازتمهیدات موازی سازی نیازمند همگام سازی حداکثری فیلترها جهت استااده بهینه از منابع با کمترین هزینه ممکن هستیم. جریان داده بدون توقفدر حال انتقال است، بنابراین روشهای همگام سازی و موازیسازی مرسوم کارایی نزم را برای اعمال برجریان داده ندارند زبانهای مختلای از جریان داده پشتیبانی میکنند، از این میان زبانهای کد منبع باز قابلیت اعمال تغییرات سفارشی را در سطح مترجم دارند. محتویات جریان داده قبل از دریافت قابل شناسایی نیست بنابراین تخمین زمان مقداروبازه های دریافت اطلاعات هزینهای بیش از تخصیص منابع به فیلترهای نیازمند داده خواهد داشت. مترجم زبان استریم آی تی دارای روشهایی جهت تخمین ساختار جریان داده و استااده از نتایج تخمین برای دادههای مشابه است. روشهای خوشهبندی غالباًنیازمند عملیات پیش پردازش برای تعیین خوشه هستند لذا در این زمینه بهرهوری ناشی از موازیسازی را کاهش میدهندبنابراین به معرفی و شرح روشهای همگام سازی توسط دستهبندی برای افزایش موازیسازی میپردازیم. با توجه به اختصاصمحض زبان استریمآیتی به ساختارهای مبتنی بر جریان، شاهد افزایش قابل توجه آستانه موازی سازی توسط دسته بندی خودکار جریان داده در این زیان هستیم. نتایج حاصل از بررسی در این پژوهش بیانگر افزایش کارایی فیلترها با رعایت اصل حداقل منابع و زمان پردازش جریان داده نسبت به روشهای مرسوم یا سایر روشهای مبتنی بر جریان است .

نویسندگان

سلمان طائی

گروه کامپیوتر، واحد مرودشت، دانشگاه آزاد اسلامی مرودشت، ایران

علی مهجور

گروه کامپیوتر، عضو هیئت علمی دانشگاه مالک اشتر، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Aggarwal, C. (2007) Data Streams Models and Algorithms, 1th Edition, ...
  • Beringer, J., and Hullermeier, E. (2010) Online Clustering of Parallel ...
  • Gordon, M., Thies, W., and Amarasinghe, S. (2006) Exploiting C ...
  • Gordon, M., Thies, W., Karczmarek, M., Lin, J., Meli, A., ...
  • Gordon, M. (2010) Compiler Techniques for Scalable Performance of Stream ...
  • Hammouda, K. (2013) A Comparative Study of Data Clustering Techniques, ...
  • Labonte, F., Mattson, P., Buck, I., Kozyrakis, C., and Horowitz, ...
  • Rixner, S. (2001) Stream Processor Architecture, 1th Edition, California: William ...
  • Thies, B. (2007) the Stream Language, Lab. No. 6. Computer ...
  • Thies, W. (2006a) StreaMIT Cookbook, 1th Edition, Massachusett Institute of ...
  • Thies, W. (2006b) StreaMIT Specification, 2th Edition, Massachusett Institute of ...
  • Thies, W. (2009) Language and Compiler Support for Stream Programs, ...
  • نمایش کامل مراجع