{{{
#!html
<div style="text-align: center; color:#151B8D"><big style="font-weight: bold;"><big><big>
Hadoop Paper Survey
</big></big></big></div> <div style="text-align: center; color:#7E2217"><big style="font-weight: bold;"><big>
From IEEE & ACM  until 2009 11 18
</big></big></div>
}}}
[[PageOutline]]

 = 1.  在異質環境下的動態排班系統 =
 A Dynamic MapReduce Scheduler for Heterogeneous Workloads 
 * 基於異質環境下，建立三種排班方式
 * 用模擬的方式，宣稱用在hadoop後能比不用快30%

  = 2.  設計一個高效能的雲端平台 = 
An New Data Parallelism Approach with High Performace Clouds
 * 宣稱設計更為簡化，因此效能較好
 * 號稱某些case比hadoop 快兩倍

 = 3.  parallel closed cube 演算法 =
A Parallel Algorithm for Closed Cube Computation
 *  parallel closed cube 是個不容易瞭解的演算法，而作者設計了一個能用在MR平台下的parallel closed cube 演算法
 * 並宣稱實驗結果有得到好處

 = 4. 用雲端運算處理衛星資料 =
Cloud Computing for Satellite Data Processing on High End Compute Clusters
 * 用高檔設備透過Hadoop處理衛星資料
 * 此篇數據比較了 有用MapReduce 以及沒用的差別 （作者說程式沒有差很多）

 = 5. 一個整合計算與資料管理的系統 = 
Clustera: An Integrated Computation And Data Management System
 * 介紹一個資料管理系統，提供兩個特點
   * 特點一為有延展性並且有能力於掌控大範圍Job 資料，並用最小的sql查詢語法減少I/O
   * 特點二為用最新的軟體建立區塊，如此可以瞭解在應用伺服器或關連資料庫內的效能、使用率等資料
 * 最後用 clustera 跟 Hadoop、 condor 比較
 
 = 6.用sector做高效能資料探勘 = 
Data Mining Using High Performance Data Clouds

 = 7.探勘日誌來偵測大範圍的系統問題 =
Detecting Large-Scale System Problems by Mining Console Logs
 * 透過探勘log檔，來偵查出有可能出現的系統runtime problem
 * 實驗於 Hadoop日誌與DarkStar線上遊戲
 
 
 = 8. Disco 的實驗論文 =
 
 = 9. Sphere 的論文 = 
 
 = 10. 用Hadoop來算使用者習慣= 
Extraction of User Profile Based on the Hadoop 
 * 架構與icas很相向，果然是阿路仔
 * 此篇用hadoop 來找使用者的習慣，其實只有在做map reduce 字數統計而已
 * 也有畫出單一台與多台hadoop的效能比較，由於他們只有80MB的資料，因此一台最快，三台最慢