استراتژی جایگزینی داده های پویا برای هدوپ در محیط های همگن

محاسبات ابری نوعی سیستم محاسبه موازی توزیعی است که تبدیل به یک نرم افزار کامپیوتری مکررا استفاده شده است. MapReduce یک مدل برنامه ریزی موثر در محاسبه ابری و نرم افزار های موازی داده های بزرگ مقیاس است. هدوپ یک اجرای منبع باز مدل MapReduce است و معمولا برای نرم افزارهای متمرکز داده مثل کاوش و شاخص بندی وب استفاده می شود. با اجرای متداول هدوپ فرض می شود هر گره در یک خوشه یک ظرفیت محاسبه یکسان دارد و آن فرایندهای داده های محلی هستند که ممکن است سربارگزاری بیش از حد را افزایش دهند و اجرایMapReduce را کاهش دهند. این مقاله یک الگوریتم جایگزینی داده ها را برای برطرف کردن مشکل میزان کار گره نامتعادل مطرح می کند. روش مطرح شده می تواند به طور پویا داده های ذخیره شده در هر گره را بر اساس ظرفیت محاسبه هر گره در یک خوشه هدوپ بپذیرد ومتعادل کند. روش مطرح شده می تواند زمان انتقال داده ها برای دسترسی به عملکرد هدوپ اصلاح شده را کاهش دهد. نتایج تجربی نشان می دهد خط مشی جایگزینی داده های پویا می تواند زمان اجرا را نیز کاهش دهد و عملکرد هدوپ را در یک خوشه همگن اصلاح کند

کلیدواژه ها:

MapReduce ، هدوپ ، همگن ، جایگزینی داده ها