초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

데이터 그리드의 작업 수행시 먼 거리에 위치한 자원 사용을 위해 그리드 자원 중개자를 이용한다. 그러나 효율적인 작업 수행이 필요로 하는 모든 자원들의 최적화된 사용은 제공하지 못한다. 이에 본 논문에서는 작업예약 정보를 이용하여 실시간으로 자원간의 최적화된 사용을 이루는 데이터 복제 알고리즘을 제안하고 구현하였다.

데이터 그리드의 작업 수행시 먼 거리에 위치한 자원 사용을 위해 그리드 자원 중개자를 이용한다. 그러나 효율적인 작업 수행이 필요로 하는 모든 자원들의 최적화된 사용은 제공하지 못한다. 이에 본 논문에서는 작업예약 정보를 이용하여 실시간으로 자원간의 최적화된 사용을 이루는 데이터 복제 알고리즘을 제안하고 구현하였다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 데이터 그리드 환경에서의 데이터 관리 를 위해 작업 예약 정보를 이용한 Prediction Function을 정의한다. 그리고 이 값을 이용하여 실시간으로 데이터를 관리하는 알고리즘을 제시한다.
• 본 논문에서는 데이터를 필요로 하는 작업의 정보를 이용하여 prediction function을 설계하고 데이터를 관리하는 알고리즘을 제안한다. 이는 그리드에서 작업 수행 시 성능향상을 시키고, 실시간으로 저장장치 자원 사용률을 높인다.

가설 설정

• 데이터 그리드를 위한 본 시뮬레이션 환경은 high energy physics (HEP) 에서 CDF 실험을 가정한다. 표 1은 시뮬레이션울 위한 여러 인자들을 나타내고, 그림 4은 데이터 그리또의 네트웍 토폴로지를 나타낸다.

제안 방법

• 본 논문에서는 데이터 그리드 환경에서의 데이터 관리 를 위해 작업 예약 정보를 이용한 Prediction Function을 정의한다. 그리고 이 값을 이용하여 실시간으로 데이터를 관리하는 알고리즘을 제시한다.
• 본 논문에서는 데이터 관리를 위해 작업 예약 정보를 이용한 prediction function을 구축하고, 이 정보룔 이용하여 데이터 복제 의사 결정하는 알고리즘을 제안하고 구현하였다. 따라서 이 알고리즘으로 자원들 간의 동적인 최 적화룰 이루어 낼 수 있었다.
• 본 논문에서는 데이터관리를 위한 기존의 3가지 최적화 알고리즘과 제안된알고리증을 비교한다.
• 본 논문에서는 작업 예약 정보에 따른 데이터 복제 의사 결정하는 수학적 모델을 정의한다(그림 3). 이 모델은 아래 식(4)를 이용하여 데이터 복제 시 앞으로 사용될 얻게 되는 이익을 계산 할 수 있다.
• 이러한 파일 요청으로 데이터 접근 패턴을 알아낼 수 있다. 위의 각 알고리즘을 위해 3가지 데이터 액세스 패턴을 테스트하였다.

성능/효과

• Prediction hmction 으로 파일에 대한 학습이 가능했기 때문에 제안된 동적인 데이터 관리 알고리증은 Gausssian Random walk 울 t하르는 데이터 접근을 가지는 작업 수행 시 효과적이었다.
• 본 논문에서는 데이터 관리를 위해 작업 예약 정보를 이용한 prediction function을 구축하고, 이 정보룔 이용하여 데이터 복제 의사 결정하는 알고리즘을 제안하고 구현하였다. 따라서 이 알고리즘으로 자원들 간의 동적인 최 적화룰 이루어 낼 수 있었다.
• 데이터 복제를 하지 않는 경우 긴 작업 시간을 가지고 자원 사용 효율이 가장 나빴다. 또한 모든 최적화 알고리즘은 순차적인 데이터 접근하는 작업에서 가장 나쁜 작업 수행과 자원 사용 효율을 보였다.
• 실험 결과 기존의 데이터 관리 알고리즘을 사용한 경우 보 파 제안한 동적인 데이터 복제 관리 알고리즘을 이용한 경우 더 효율적인 자원 관리가 가능하였고 작업 시간을 단축할 수 있었다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기