}}}
[[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 =
DisCo: Distributed Co-clustering with Map-Reduce
= 9. Sphere 的論文 =
Exploring Data Parallelism and Locality in Wide Area Networks
= 10. 用Hadoop來算使用者習慣 =
Extraction of User Profile Based on the Hadoop
* 文章架構與實驗方法類似 icas
* 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
* Wireless Communications, Networking and Mobile Computing, 2009. WiCom '09. 5th International Conference on