期刊文献+

大数据负载特性及基于内存技术的优化

Workload character of big data and optimization based on memory technology
下载PDF
导出
摘要 涌现于社交网络、电子商务中的超大规模非结构化数据标志着大数据时代的到来。大数据的多样性、超大规模和可扩展性等特征对运行平台产生新的要求。随着大数据的产生和发展,形成了具有代表性的信息体系结构,包括编程模型、虚拟化和分布式文件系统等。随着对大数据研究的深入,通过对大数据负载特性的分析,发现制约大数据的并不是计算能力,而是I/O延迟,采用基于内存的分布式文件系统,用于存储和处理大规模分布式文件系统查询的索引,可以有效降低I/O延迟,提高应用性能。 As the advent of social network and e-commerce , the amount of unstructured data grows rapidly . The 4Vs of big data ( Volume , Velocity , Variety and Veracity ) motivate the architecture design of new computing system , including programming model , virtualisation technology and distributed file system . According to the analysis on the big data workloads , I/O latency is one of the dominate performance bottleneck . Techniques that create and store index with memory-based distributed file system are pro-posed , which are able to significantly reduce I/O latency and thus improve system performance .
作者 刘根贤
出处 《微型机与应用》 2014年第2期15-17,24,共4页 Microcomputer & Its Applications
关键词 大数据 负载特征 内存系统 系统结构 big data workload characteristic memory system system architecture
  • 相关文献

参考文献6

  • 1KAI H,GEOFFREY C F,JACK J D. Distributed and cloud computing:from parallel processing to the internet of things[M].Massachusetts:Morgan Kaufmann Publishers,2012.
  • 2Jia Zhen,Wang Lei,Zhan Jianfeng. Characterizing data analysis workloads in data centers[A].{H}IEEE,2013.
  • 3吴朱华.云计算核心技术剖析[M]{H}北京:人民邮电出版社,2011.
  • 4王鹏.云计算的关键技术与应用实例[M]{H}北京:人民邮电出版社,2010.
  • 5曾超宇,李金香.Redis在高速缓存系统中的应用[J].微型机与应用,2013,32(12):11-13. 被引量:91
  • 6张青凤,张凤琴,王磊.多数据中心的数据同步模型研究与设计[J].微型机与应用,2013,32(12):60-62. 被引量:10

二级参考文献6

共引文献98

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部