Efficient data management on a multicomputer

• Autorzy: Łukawski G. , Sapiecha K.

Warianty tytułu

PL

Efektywne zarządzanie danymi w obrębie multikomputera

• Języki publikacji: EN

Abstrakty

EN

High performance, fault tolerance and scalability are usual requirements for an application running on a multicomputer. The paper presents different variants of centralized SDDS LH* architecture in the light of all the requirements. Hence, the paper briefly summarizes already published features of SDDS that concern data scalability and fault tolerance, and then introduces a new option for SDDS called throughput scalability that can balance workload of nodes of a multicomputer. Finally, having met all the requirements for efficient management of data on a multicomputer the SDDS schemes are estimated as for the time and memory overhead.

PL

Wysoka wydajność, odporność na błędy i skalowalność to typowe wymagania aplikacji dla multikomputerów. W artykule zaprezentowano różne odmiany struktur SDDS LH* o architekturze scentralizowanej w świetle wszystkich tych wymagań. Podsumowano znane już możliwości struktur SDDS dotyczące skalowalności danych i odporności na błędy oraz przedstawiono nową funkcjonalność SDDS nazwaną skalowalnością przepustowości, pozwalającą na zrównoważenie obciążenia węzłów multikomputera. Ostatecznie, po spełnieniu wszystkich wymagań w kwestii efektywnego zarządzania danymi w obrębie multikomputera, struktury SDDS są analizowane pod względem kosztów czasowych i pamięciowych.

Słowa kluczowe

EN

fault tolerance; multicomputer; scalability; SDDS

PL

multikomputer; odporność na błędy; SDDS; skalowalność

• Wydawca: Wydawnictwo Politechniki Krakowskiej im. Tadeusza Kościuszki
• Czasopismo: Czasopismo Techniczne. Informatyka
• Rocznik: 2011
• Tom: R. 108, z. 1-I
• Strony: 33--47
• Opis fizyczny: Bibliogr. 27 poz.,Wz., tab., rys.,

Twórcy

autor

Łukawski G.

autor

Sapiecha K.

• Katedra Informatyki, Wydział Elektrotechniki, Automatyki i Informatyki, Politechnika Świętokrzyska w Kielcach

Bibliografia

• [1] Nitzberg B., Lo V., Distributed shared memory: A survey of issues and algorithms, Computer, 1991.
• [2] Gropp W., Lusk E., PVM and MPI are Completely Different, Argonne National Lab, 1998.
• [3] Dean J., Ghemawat S., MapReduce: Simplified Data Processing on Large Clusters, OSDI’04: Sixth Symposium on Operating System Design and Implementation, San Francisco, CA, December 2004.
• [4] Oracle Coherence Knowledge Base Home: http://coherence.oracle.com
• [5] Ueno K., Alcott T., Blight J., Dekelver J., Julin D., Pfannkuch C., Shieh T., WebSphere Scalability: WLM and Clustering, IBM Redbooks, September 2000.
• [6] Lustre a Network Clustering FileSystem: http://www.lustre.org
• [7] Litwin W., Neimat M.-A., Schneider D., LH*: A Scalable Distributed Data Structure, ACM Transactions on Database Systems ACM-TODS, December 1996.
• [8] Litwin W., Neimat M.-A., Schneider D., RP*: A Family of Order-Preserving Scalable Distributed Data Structures, 20th Intl. Conf on Very Large Data Bases (VLDB), 1994.
• [9] Litwin W., Neimat M.-A., High-Availability LH* Schemes with Mirroring, Intl. Conf. on Coope. Inf. Syst. COOPIS-96, Brussels 1996.
• [10] Litwin W., Neimat M-A., LH*s: a High-availability and High-security Scalable Distributed Data Structure, IEEE Workshop on Research Issues in Data Engineering, IEEE Press, 1997.
• [11] Litwin W., Risch T., LH*g: a High-availability Scalable Distributed Data Structure through record grouping, U-Paris 9 Tech. Rep., May 1997.
• [12] Litwin W., Menon J., Risch T., LH* Schemes with Scalable Availability, IBM Almaden Research Rep., May 1998.
• [13] Litwin W., Schwarz T., LH*RS: A High-Availability Scalable Distributed Data Structure using Reed Solomon Codes, CERIA Res. Rep. & ACM-SIGMOD 2000, Dallas.
• [14] Sapiecha K., Łukawski G., Fault-tolerant Protocols for Scalable Distributed Data Structures, Springer-Verlag LNCS 3911, 2006.
• [15] Łukawski G., Sapiecha K., Fault tolerant record placement for decentralized SDDS LH*, Springer-Verlag LNCS 4967, 2008.
• [16] Łukawski G., Sapiecha K., Software Functional Fault Injector for SDDS, GI-Edition Lecture Notes in Informatics (LNI), ARCS06 Workshop Proceedings, 2006.
• [17] Łukawski G., Sapiecha K., Multiple Split Coordinator for fault tolerant SDDS, Proceedings of the 3-rd International Conference: ACSN 2007.
• [18] Gupta V., Modi M., Pimentel A.D., Performance Evaluation of the LH*lh Scalable, Distributed Data Structure for a Cluster of Workstations, SAC 2001.
• [19] Devine R., Design and Implementation of DDH: A Distributed Dynamic Hashing Algorithm, Springer-Verlag LNCS 730, 1993.
• [20] Zegour D.E., Scalable distributed compact trie hashing (CTH*), Information Software Technology, 2004, 923-935.
• [21] Litwin W., Neimat M-A., k-RP*s: A Scalable Distributed Data Structure for High-Performance Multi-Attribute Access, Proceedings of the fourth international conference on on Parallel and distributed information systems (DIS 1996).
• [22] du Mouza C., Litwin W., Rigaux P., SD-Rtree: A Scalable Distributed Rtree, IEEE 23rd International Conference on Data Engineering (ICDE 2007).
• [23] Boukhelef D., Zegour D-E., IH*: A New Hash-Based Multidimensional SDDS, Distributed Data Structures 4, Records of the 4th International Meeting (WDAS 2002).
• [24] Zhang Z., Mahalingam M., Xu Z., Tang W., Scalable, Structured Data Placement over P2P Storage Utilities, 10th IEEE International Workshop on Future Trends of Distributed Computing Systems (FTDCS’04).
• [25] Chrobot A., Łukawski G., Sapiecha K., Scalable Distributed Data Structures for Linux-based Multicomputer, 7th International Symposium on Parallel and Distributed Computing, (ISPDC’08).
• [26] Hidouci W.K., Zegour D.E., Actor oriented databases, WSEAS Transactions on Computers, Vol. 3, No. 3, 2004, 653-660.
• [27] Bedla M., Sapiecha K., Scalable Store of Java Objects Using Range Partitioning, Proceedings of the 4th IFIP TC2 Central and East European Conference on Software Engineering Techniques, CEE-SET 2009.