Stratégie de découpe de tâche pour le traitement de données massives

Résumé : MapReduce est un patron de conception permettant de traiter un très grand volume de données distribuées sur un cluster de machines. Ses performances sont liées aux éventuelles dis-torsions des données. Pour contrer ces biais, nous proposons un système multi-agent adaptatif. Les agents interagissent durant l'exécution et l'allocation dynamique des tâches est le résultats de négociations afin de soulager l'agent le plus chargé et donc le temps global d'exécution. Dans cet article nous montrons comment, lorsqu'une tâche est trop coûteuse pour être négociée, un agent peut la découper afin d'en négocier les sous-tâches.
Type de document :
Communication dans un congrès
Catherine Garbay; Grégory Bonnet. Journées Francophones sur les Systèmes Multi-Agents, Jul 2017, Caen, France. Cépaudès édition, pp.65-75, 2017, Cohésion : fondement ou propriété émergente. 〈https://pfia2017.greyc.fr/jfsma〉
Liste complète des métadonnées

Littérature citée [18 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01558607
Contributeur : Cristal Equipe Smac <>
Soumis le : samedi 8 juillet 2017 - 17:20:45
Dernière modification le : jeudi 11 janvier 2018 - 06:27:22

Fichier

morge17jfsma.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01558607, version 1

Citation

Quentin Baert, Anne-Cécile Caron, Maxime Morge, Jean-Christophe Routier. Stratégie de découpe de tâche pour le traitement de données massives. Catherine Garbay; Grégory Bonnet. Journées Francophones sur les Systèmes Multi-Agents, Jul 2017, Caen, France. Cépaudès édition, pp.65-75, 2017, Cohésion : fondement ou propriété émergente. 〈https://pfia2017.greyc.fr/jfsma〉. 〈hal-01558607〉

Partager

Métriques

Consultations de la notice

859

Téléchargements de fichiers

48