Modèles de réplication des données à base de clustering

Univ Europeenne - EAN : 9786138499510
Rahma Souli
Édition papier

EAN : 9786138499510

Paru le : 1 juil. 2019

71,90 € 68,15 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
  • Benefits Livraison gratuite
    en France sans minimum
    de commande
  • Benefits Manquants maintenus
    en commande
    automatiquement
  • Benefits Un interlocuteur
    unique pour toutes
    vos commandes
  • Benefits Toutes les licences
    numériques du marché
    au tarif éditeur
  • Benefits Assistance téléphonique
    personalisée sur le
    numérique
  • Benefits Service client
    Du Lundi au vendredi
    de 9h à 18h
  • EAN13 : 9786138499510
  • Réf. éditeur : 1406311
  • Editeur : Univ Europeenne
  • Date Parution : 1 juil. 2019
  • Disponibilite : Disponible
  • Barème de remise : NS
  • Nombre de pages : 168
  • Format : H:229 mm L:152 mm E:10 mm
  • Poids : 256gr
  • Interdit de retour : Retour interdit
  • Résumé : Les grilles de calcul apparaissent de plus en plus comme la solution permettant d'additionner des ressources matérielles et logicielles offrant une capacité de stockage et de calcul virtuellement infinie. Afin d'exploiter au mieux les ressources disponibles de ce type de grille, il devient nécessaire de concevoir de nouvelles solutions de déplacement de données adaptées à ce type d'architecture en tenant compte des spécificités de gestion et d'exécution distribuées. Afin d'optimiser le temps d'exécution, il convient donc d'adapter les politiques de placement de données en fonction des besoins des applications d'une part, et des possibilités de la plate-forme sous-jacente d'autre part. Les travaux présentés dans cet ouvrage se situent dans le cadre d'une problématique spécifique liée au placement des répliques dans les grilles de calcul. Le premier objectif est de proposer une stratégie dynamique de placement de répliques qui intègre la réplication et l'ordonnancement dans les grilles. Cette stratégie est basée sur le paradigme de la programmation parallèle MapReduce en spécifiant les variables ainsi que le recours à la classification non supervisée (ou clustering).
Haut de page
Copyright 2026 Cufay. Tous droits réservés.