Modèles d'exécution informatiques distribués

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.