استراتژي جايگزيني داده هاي پويا براي هدوپ در محيط هاي همگن

محاسبات ابري نوعي سيستم محاسبه موازي توزيعي است كه تبديل به يك نرم افزار كامپيوتري مكرراً استفاده شده است. MapReduce يك مدل برنامه ريزي موثر در محاسبه ابري و نرم افزار هاي موازي داده هاي بزرگ مقياس است. هدوپ يك اجراي منبع باز مدل MapReduce است و معمولاً براي نرم افزارهاي متمركز داده مثل كاوش و شاخص بندي وب استفاده مي¬شود. با اجراي متداول هدوپ فرض مي شود هر گره در يك خوشه يك ظرفيت محاسبه يكسان دارد و آن فرايندهاي داده هاي محلي هستند كه ممكن است سربارگزاري بيش از حد را افزايش دهند و اجراي MapReduce را كاهش دهند. اين مقاله يك الگوريتم جايگزيني داده ها را براي برطرف كردن مشكل ميزان كار گره نامتعادل مطرح مي كند. روش مطرح شده مي تواند به طور پويا داده هاي ذخيره شده در هر گره را بر اساس ظرفيت محاسبه هر گره در يك خوشه هدوپ بپذيرد و متعادل كند. روش مطرح شده مي تواند زمان انتقال داده ها براي دسترسي به عملكرد هدوپ اصلاح شده را كاهش دهد. نتايج تجربي نشان مي دهد خط مشي جايگزيني داده هاي پويا مي تواند زمان اجرا را نيز كاهش دهد و عملكرد هدوپ را در يك خوشه همگن اصلاح كند.