Resumen

MARS y Spark son dos populares marcos de computación en paralelo ampliamente utilizados para el análisis de datos a gran escala. En este documento, primero proponemos un modelo de evaluación de rendimiento basado en máquinas de vectores de soporte (SVM), que se utiliza para analizar el rendimiento de los marcos de computación en paralelo. Además, presentamos resultados representativos de un conjunto de análisis con el modelo analítico de rendimiento propuesto y luego realizamos una evaluación comparativa de MARS y Spark utilizando cargas de trabajo representativas y considerando factores como rendimiento y escalabilidad. Los experimentos muestran que nuestro modelo de evaluación tiene una precisión mayor que la regresión de línea multifactorial (MLR) en la predicción del tiempo de ejecución, y también proporciona un requisito de consumo de recursos. Finalmente, estudiamos experimentos de referencia entre MARS y Spark. MARS tiene un mejor rendimiento que Spark tanto en el rendimiento como en la aceleración en las ejecuciones de regresión logística y clasificación bayesiana porque MARS tiene un gran número de hilos de GPU que pueden manejar un mayor paralelismo. También se muestra que Spark tiene una menor latencia que MARS en la ejecución de los cuatro benchmarks.

• Materias:Lector de pantalla Interfaz de usuario Localización en interiores Realidad virtual móvil Redes móviles
• Subjects:Screen reader User interface Indoor localization Mobile virtual reality Mobile networks
• Palabras claves:Dos marcos populares de computación paralela; Análisis de datos a gran escala; Modelo de evaluación del rendimiento; Máquina de vectores soporte (SVM); Evaluación comparativa; Experimentos de referencia.
• Keywords:Two popular parallel computing frameworks; Large-scale data analysis; Performance evaluation model; Support vector machine (SVM); Comparative evaluation; Benchmark experiments.