11451

مروري بر روش‌هاي مبتني بر يادگيري براي سيستم‌هاي پردازش جريان ارتجاع‌پذير

1401

دكتر ملكي مجد

در سال‌هاي اخير ميزان داده‌هاي توليد شده به شدت افزايش پيدا كرده و بخشي از اين داده‌ها به صورت داده‌هاي جرياني است. هر چه از زمان توليد شدن داده بگذرد ارزش خود را از دست مي‌دهد و از اين رو سيستم‌هاي پردازش جريان با هدف پردازش اين داده‌ها در يك زمان نزديك به بلادرنگ طراحي و پياده سازي شده‌اند. براي افزايش تواند عملياتي، اين سيستم‌ها اغلب به صورت پردازش موازي پياده‌سازي مي‌شوند. از آنجايي كه سيستم پردازش جريان مدت زمان زيادي در حال اجرا هستند، در طول زمان ميزان باركاري آن‌ها تغيير مي‌كند، از اين رو بايد درجه موازي‌سازي و ميزان منابع در اختيار سيستم متناسب با باركاري تغيير كند تا شرايط كيفيت سرويس در زمان اوج باركاري نقض نشود و همچنين در زمان‌هايي كه باركاري كاهش پيدا مي‌كند با كاهش ميزان منابع در اختيار خود، از هدر رفتن منابع جلوگيري كند. رويكرد‌هاي مختلفي براي پياده سازي اين امكان كه به آن قابليت ارتجاعي نيز گفته مي‌شود وجود دارد. روش مبتني بر ‌آستانه، مبتني بر مدل و مبتني بر يادگيري از جمله آن‌ها است كه تمركز اين مقاله بر روش‌هاي مبتني بر يادگيري است. در اين روش، تكنيك يادگيري تقويتي بيشتر مورد بررسي قرار گرفته است كه از مشكلات آن مي‌توان به فاز يادگيري طولاني اشاره كرد. براي اين حل اين مسئله راهكارهاي مختلفي ارائه شده است كه به آن مي‌پردازيم.

11/23/2022 12:00:00 AM

76991

1401/09/12

A Review of Learning-based Approaches for Elastic Stream Processing Systems

سيستم پردازش جريان , پردازش موازي , تطبيق منابع , يادگيري تقويتي

stream processing system , parallel processing , resource adaptation , reinforcement learning