超高速課金処理。事前の顧客ごとの分析結果をインメモリデータベースに入れることで高速化をはかる。 #IPSJ_SES2012
2012-08-28 15:32:34性能検証データ.スループットは1ノード8コアで55.000rec/s,3ノード24コアで169,000rec/sとなり,コア数に関してスケーラブル.#IPSJ_SES2012
2012-08-28 15:33:47通信キャリアのユーザの電話・メール情報をグラフ化し,分析を行った事例について.関係グラフからパターンを抽出して,顧客の影響度やコミュニティ,解約傾向の分析を行う.コミュニティ分析から,ターゲットマーケティングの効果が改善された.#IPSJ_SES2012
2012-08-28 15:38:06ソーシャルセンサを用いた社会・経済現象のリアルタイム分析.twitterのつぶやきやgoogleの検索履歴の利用.インフルエンザの予兆や株価予測,地震検知などへの応用.#IPSJ_SES2012
2012-08-28 15:46:01大規模グラフストリーム処理への応用.動的ネットワークグラフに帯するリアルタイム分析.静的なものについては既存研究があるが,動的なものをどう扱うかが課題.#IPSJ_SES2012
2012-08-28 15:48:51スパコンでの超並列との違いは?->データがどんどん変わる。グラフ処理にしてもアルゴリズムレベルから変える必要がある。 #IPSJ_SES2012
2012-08-28 15:55:30研究に使うにはYahoo S4がおすすめ。IBM InfoSphere Streamsも研究用途なら無料。 #IPSJ_SES2012
2012-08-28 16:01:28ストリームコンピューティングを実現するための処理系について.ストリーム処理言語SPL.データフローをSource,演算,Sinkオペレータを用いてグラフィックに記述.演算オペレータはユーザ定義も可能.配置や通信の最適化をコンパイラが行う.#IPSJ_SES2012
2012-08-28 16:04:23Streamsのランタイムは,資源やワークロード,データ量の変動に適応できる,スケジューラが演算のノードへの割り当てや資源配分を継続的に行う.まだ現場レベルでは冗長化で対応されているが,研究レベルでは重要な課題.#IPSJ_SES2012
2012-08-28 16:07:40ウィンドウ(リアルタイムデータの一区切り)による集約処理であるAggregatorは,ストリームコンピューティングに特有のもの.#IPSJ_SES2012
2012-08-28 16:20:37ジョブのスケジューリング、処理の動的配置が難しくチャレンジング。回線、データなどで変わってくる。 #IPSJ_SES2012
2012-08-28 16:23:05Webセッション
異なる言語間の差を吸収するグルーコード作成のコストについて.大規模なライブラリに対してはグルーコード作成コストも大きい.→自動生成.既存のツールとしてSWIG(C/C++と多言語),SIP(CとPython)など. #IPSJ_SES2012
2012-08-28 16:47:53既存のツールでは,ヘッダファイルからライブラリAPIの情報を抽出して,グルーコードを生成する.問題点として,関数マクロの扱い,iclude文を展開するか否か,内部のみで用いる関数・クラスの扱い.#IPSJ_SES2012
2012-08-28 16:50:35Web技術文書はHTMLドキュメントであり,構造化されているため,XMLパーサで解析すれば情報を効率的に抽出できる.ライブラリ開発元が提供した文書を利用することで,ヘッダファイルと同様の信頼性が期待できる.#IPSJ_SES2012
2012-08-28 16:55:56リスク面.(1)Web技術文書とライブラリのバージョンが一致するか?(2)文書内の記述ミスはどうするか?→コンパイル時にチェックして修正 #IPSJ_SES2012
2012-08-28 16:57:45