debiancdn

AWS, Content Delivery Network and Debian

DEIMでの筑波というか北川研というか川島先生らでやってる研究

続いてDEIM2009での筑波大学北川研.私のコメントが一部まじっているので注意

p123, データストリーム処理へのベイジアンネットワークの導入

佐藤亮† 川島英之† ,†† 北川博之† ,††

センサデバイスから得られるデータを解析した後に生成される,イベントストリームを対象に確率計算を実行する.

筑波大 北川研の主題の話.まずこれ.

p130, ストリーム処理エンジンにおける効率的な来歴管理

川島英之† ,†† 北川博之† ,†† 寺島裕貴†††

ストリーム処理エンジンの出力を受け取ったアプリケーションからの根拠を問い合せる要求に応えるため,ストリーム処理エンジンに到着したタプルストリームの内,その出力の全来歴を永続化する実験の結果,来歴タプル永続化処理には多大な時間を要すること,およびその原因はディスクアクセス回数であることを示した.

オービスで実験しているようだ.

p54, XML データに対するファセットナビゲーションのためのフレームワーク FoX の提案

駒水孝裕† 天笠俊之†† 北川博之††

近年, ファセット検索は膨大なデータを対象に効率的な検索 を行う手法として注目を集めている.データはあらかじめファ セットと呼ばれる独立したカテゴリごとにグルーピングされて いる.ファセット検索とは,表示されているファセットとその 値(キー)を選択し検索対象データを絞り込む,という動作を 繰り返し行いデータの検索を行う手法である.ファセット検索 は以下のような特徴を持つ.

  • 現在の検索結果とそれに関連したファセットとキーを表 示する.
  • ファセットとその値を選択したときに結果が何もないよ うなファセットは除外される.
  • ファセットの値にはその値によって検索できるデータ数 も同時に表示する. ファセット検索の例としては DBLP Bibliography [7] や Fla- menco Search(図 1)[8],mSpace などがある.

p56, 分散ストリーム処理における対象情報源の動的変化を考慮した問合せ最適化手法の評価

大喜恒甫† 渡辺陽介†† 北川博之† ,††† 川島英之† ,†††

StreamSpinnerの利用.センサと分散したDB間のネットワーク使用量の最適化

Intriggerをつかって構築したようだ.https://www.logos.ic.i.u-tokyo.ac.jp/intrigger/registration/

喜連川研とかにある分散ノード.クラウドというよりはグリッドっぽい.

p223, センサノード上で動作する汎用データ管理基盤の開発

山口卓郎† 渡辺陽介†† 北川博之† ,†††

センサノード上でも処理して不要なnetwork利用を防ぐはなし.やってること

  • StreamSpinnerをSunSPOTにのせる
  • 分散問い合わせ言語も考えている.
    • LIFETIME 節というのがキモ

関連研究との比較がわりとためになるかんじ.

  • Aurora[1], STREAM[3], TelegraphCQ[2]:1 台のマシン で動作する集中型のストリーム処理エンジンであり、分散スト リーム処理は考慮されていない。
  • Coral8[10]:商用ストリーム処理エンジンであり、単位時 間当たりの処理可能データ数が多く、高速処理が可能と謳われ ている。株式トレーディングなどに利用することを想定して いる。
  • Borealis[4]:分散型ストリーム処理エンジンであるが、分 散環境中にアプリケーションを組み込むための明確な枠組みは ない。またセンサノード上で稼働していない。
  • TinyDB[6]:センサネットワークを 1 つの大きなリレー ションとしてみなすことができる。しかし分散ストリーム処理 のためにノード毎に異なる演算を配置することはできない。ま た下流から上がってくる不要な子機データを上流の親機で集約 する際に処理するのに対して、本研究では、データを持つ子機 上で選択演算して余分なデータはその子機から送信しないな ど、不要データ処理に関するアプローチが異なっている
  • Abadi らは Borealis と TinyDB を組み合わせた枠組み を提案している [5]。ただし、Borealis の分散問合せ最適化で はセンサノードは対象にされておらず、センサネットワーク内 のデータ収集方法は、全て TinyDB に依存している。彼らの枠 組みでは、センサネットワークからデータを収集する要求の定 義を QoS によって設定できる。この仕組みにより、バッテリ 寿命を気にせずサンプリング収集間隔を狭めてデータを収集し たり、サンプリング収集間隔を広げてバッテリ寿命を延ばしな がらデータを収集したり、といった指定が可能である。収集は power、latency、quality の各条件を、ユーザやアプリが設定 する lifetime という寿命を満たすように設定して行われる。こ れに対し本研究では、PC とセンサノードの両方に同種のシス テムを搭載することで、それぞれの特性を考慮した問合せ最適 化を実現している。問合せに基づいて、生成された処理木の演 算を LIFETIME 節の条件を満たすノードの中で最もコストが かからないプランを選んで配置している。

コメントを残す

以下に詳細を記入するか、アイコンをクリックしてログインしてください。

WordPress.com ロゴ

WordPress.com アカウントを使ってコメントしています。 ログアウト /  変更 )

Google フォト

Google アカウントを使ってコメントしています。 ログアウト /  変更 )

Twitter 画像

Twitter アカウントを使ってコメントしています。 ログアウト /  変更 )

Facebook の写真

Facebook アカウントを使ってコメントしています。 ログアウト /  変更 )

%s と連携中