$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

그래프 스트림 분산 관리를 위한 정점 절단 기반의 분할 기법
Vertex-cut based Partitioning Method for Distributed Management of Graph Streams

정보과학회. 컴퓨팅의 실제 논문지 = KIISE transactions on computing practices, v.24 no.4, 2018년, pp.172 - 180  

한진수 (충북대학교 정보통신공학과) ,  조중권 (충북대학교 빅데이터학과) ,  최도진 (충북대학교 정보통신공학과) ,  임종태 (충북대학교 정보통신공학과) ,  복경수 (충북대학교 정보통신공학과) ,  유재수 (충북대학교 정보통신공학과)

초록
AI-Helper 아이콘AI-Helper

SNS, 시맨틱 웹, IoT 등 다양한 분야에서 그래프 데이터가 생성되고 있다. 최근 그래프가 동적으로 변화하는 대용량의 그래프 스트림에 대한 활용이 증가됨에 따라 실시간으로 그래프를 분산 관리하기 위한 필요성이 증가되고 있다. 본 논문에서는 질의 처리 성능 향상과 부하 분산을 고려한 정점 절단 기반의 스트림 그래프 분할 기법을 제안한다. 제안하는 기법은 저장 공간의 사용률 및 처리량을 고려한 노드의 부하를 그래프 분할 기준으로 선정한다. 또한, 핫 데이터로 인해 특정 노드에 부하가 집중되는 문제점을 해결하기 위해 핫 데이터가 삽입되는 경우 처리 성능에 더 높은 비중을 두고 분할을 수행한다. 성능평가에서는 기존 기법과의 성능 평가를 통해 제안하는 기법의 우수성을 입증한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Graph data is being generated in various fields such as social network, semantic web, and IoT. With the increasing utilization of large scale graph streams that change over time, the real-time distributed management of graphs has been required. In this paper, we propose a vertex-cut based graph stre...

주제어

#그래프 분할기법   #스트림 데이터   #정점 절단 분할   #핫 데이터  

참고문헌 (11)

  1. B. Hendrickson and R. Leland, "A multilevel algorithm for partitioning graphs," Proc. of ACM/IEEE conference on Supercomputing, pp. 1-14, 1995. 

  2. J. E. Gonzalez, Y. Low, and H. Gu, "PowerGraph: Distributed Graph-Parallel Computation on Natural Graphs," Proc. of USENIX Symposium on Operating Systems Design and Implementation, pp. 17-30, 2012. 

  3. https://en.wikipedia.org/wiki/Power_law 

  4. C. Xie, W. Li, and Z. Zhang, "S-PowerGraph : Streaming Graph Partitioning for Natural Graphs by Vertex-Cut," CoRR, abs/1511.02586, 2015. 

  5. A. Abdolrashidi and L. Ramaswamy, "Continual and Cost-Effective Partitioning of Dynamic Graphs for Optimizing Big Graph Processing Systems," Proc. of IEEE International Congress on Big Data, pp. 18-25, 2016. 

  6. H. P. Sajjad, A. H. Payberah, F. Rahimian, V. Vlassov, and S. Haridi, "Boosting Vertex-Cut Partitioning For Streaming Graphs," Proc. of IEEE International Congress on Big Data, pp. 1-8, 2016. 

  7. Y. Cao and R. Rao, "A Streaming Graph Partitioning Approach on Imbalance Cluster," Proc. of International Conference on Advanced Communication Technology, pp. 60-64, 2016. 

  8. https://en.wikipedia.org/wiki/PageRank 

  9. J. Han, J. Cho, D. Choi, J. Lim, K. Bok, and J. Yoo, "Vertex-cut based Graph Stream Partitioning Method for Load Balancing," Proc. of the KIISE Korea Computer Congress 2017, pp. 206-208, 2017. (in Korean) 

  10. https://snap.stanford.edu/index.html 

  11. https://snap.stanford.edu/data/as-caida.html 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로