Séance de cours

Modèles d'exécution informatiques distribués

Description

Cette séance de cours traite des défis à relever pour réduire au minimum le temps d'achèvement du travail dans l'informatique distribuée, en mettant l'accent sur les questions liées aux erreurs de données et leur incidence sur le rendement. Il explore les implications de la distribution de données biaisée sur les réducteurs, les limites des approches standard et les objectifs d'optimisation pour améliorer l'efficacité. La présentation couvre des modèles d'exécution comme MapReduce et Spark, soulignant l'importance du parallélisme et d'un traitement efficace. Différents algorithmes pour theta-joins sont examinés, y compris l'algorithme 1-Bucket-Theta, mettant en évidence les avantages de la randomisation en réduisant le biais de sortie. La séance de cours conclut en abordant les défis qui restent à relever pour parvenir à un calcul de joint optimal sur les données distribuées.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.