ISSN在线(2320 - 9801)打印(2320 - 9798)
基于自学习的最优资源配置映射降低任务的评估成本函数
由于大规模改善数据的使用在现实世界中,就更加负担处理和有效地处理它。地图的减少是一个更发达的技术,用来处理大数据/最大的任务。减少用于分区任务映射到子分区和这些分区映射到机器进行处理。这个过程需要通过考虑成本最低化和会议的最后期限,提高用户满意度。在前面的工作,建设方法,关注分配地图减少任务的机器考虑降低成本和期限。然而这种方法并不专注于倾斜和流浪汉的问题可能发生在处理最大的任务。在我们的工作中,我们努力改善资源分配策略的性能通过考虑倾斜和掉队问题。这个问题的倾斜和流浪汉都是通过引入分区处理机制。分区机制将提高任务分配策略的失败。
Nithya。米,Damodharan.P