دانلود مقاله و خرید ترجمه:مقایسه کارایی روش های Bulk Synchronous Parallel  و MapReduce  در پردازش شبکه های بزرگ
بلافاصله پس از پرداخت دانلود کنید

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

آگهی چاپ مقاله isi
ورود اعضا
توجه توجه توجه !!!!
نرم افزار winrar
پیشنهادات ویژه
پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده پردازش موازی
  • مقایسه کارایی روش های Bulk Synchronous Parallel و MapReduce در پردازش شبکه های بزرگ

    سال انتشار:

    2012


    ترجمه فارسی عنوان مقاله:

    مقایسه کارایی روش های Bulk Synchronous Parallel و MapReduce در پردازش شبکه های بزرگ


    عنوان انگلیسی مقاله:

    Comparison of the Efficiency of MapReduce and Bulk Synchronous Parallel Approaches to Large Network Processing


    منبع:

    IEEE, 978-0-7695-4925-5/12 $26.00 © 2012 IEEE, DOI 10.1109/ICDMW.2012.135


    چکیده انگلیسی:

    Network structures, especially social networks, grow rapidly and provide huge datasets intractable to analyse. In this paper, two parallel approaches to process large graph structures within the Hadoop environment were compared: Bulk Synchronous Parallel (BSP) and MapReduce (MR). The experimental studies were carried out for two different graph problems: collective classification by means of Relational Influence Propagation (RIP) and Single Source Shortest Path (SSSP) calculation. The appropriate BSP and MapReduce algorithms for these problems were applied to various network datasets differing in size and structural profile, originating from three domains: telecommunication, multimedia and microblog. The collected results revealed that iterative graph processing with BSP implementation significantly outperform popular MapReduce, especially for algorithms with many iterations and sparse communication. However, MapReduce still remains the only alternative for enormous networks.
    Keywords: Bulk Synchronous Parallel | MapReduce | Large Graph Processing | Big Data | Cloud Computing | Parallel Processing | Collective Classification | Shortest Path | Networked Data


    چکیده فارسی:

    چکیده ساختار شبکه ها، بویژه شبکه های اجتماعی، به سرعت رشد می کند و مجموعه ای از داده های عظیم و پیچیده را برای تجزیه و تحلیل در دسترس قرار می دهد. در این مقاله، دو روش موازی برای پردازش ساختارهای بزرگ گراف در داخل محیط Hadoop مورد مقایسه قرار گرفتند: روش Bulk Synchronous Parallel (BSP) و روش MapReduce. مطالعات تجربی بمنظور بررسی دو مسئله مختلف گراف اجرا شدند: دسته بندی جمعی بوسیله محاسبه انتشار تاثیر نسبی (RIP) و کوتاه ترین مسیر تک منبعی (SSSP). برای این مسائل، از الگوریتم های اختصاصی و مقتضی BSP و MapReduce برای پردازش مجموعه داده های شبکه های مختلف (در اندازه ها و پروفایل ساختاری متفاوت) در سه حوزه: حوزه ارتباطات از راه دور، حوزه چند رسانه ای و حوزه microblog، استفاده شد. نتایج به دست امده نشان داد که پردازش تکراری گراف با اجرای الگوریتم BSP بطور قابل توجهی عملکرد بیشتری از روش معمول MapReduce دارد (بویژه برای الگوریتم های با تکرار زیاد و ارتباطات پراکنده). هرچند، MapReduce هنوز هم تنها روش جایگزین برای شبکه های بزرگ است.
    کلمات کلیدی: Bulk Synchronous Parallel | MapReduce | پردازش گراف بزرگ | داده های بزرگ | محاسبات ابری | پردازش موازی | دسته بندی جمعی | کوتاه ترین مسیر | داده های شبکه بندی شده


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 8
    تعداد صفحات فایل doc فارسی: 26

    حجم فایل: 299 کیلوبایت


    قیمت: 25000 تومان  22500 تومان(10% تخفیف)


    توضیحات اضافی:




تعداد نظرات : 0

الزامی
الزامی
الزامی
پردازش-موازی
موضوعات