論文の概要: Access Trends of In-network Cache for Scientific Data

• arxiv url: http://arxiv.org/abs/2205.05563v1
• Date: Wed, 11 May 2022 15:22:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-12 22:27:04.728206
• Title: Access Trends of In-network Cache for Scientific Data
• Title（参考訳）: 科学データに対するネットワーク内キャッシュのアクセス動向
• Authors: Ruize Han, Alex Sim, Kesheng Wu, Inder Monga, Chin Guok, Frank W\"urthwein, Diego Davila, Justas Balcas, Harvey Newman
• Abstract要約: 南カリフォルニア・ペタバイト・スケールキャッシュと呼ばれるフェデレーションストレージキャッシュのアクセストレースについて検討した。 この分散ストレージキャッシュは,研究期間の一部において,ネットワークトラフィック量を2.35倍に削減できることを示す。
• 参考スコア（独自算出の注目度）: 7.6903106323063675
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Scientific collaborations are increasingly relying on large volumes of data for their work and many of them employ tiered systems to replicate the data to their worldwide user communities. Each user in the community often selects a different subset of data for their analysis tasks; however, members of a research group often are working on related research topics that require similar data objects. Thus, there is a significant amount of data sharing possible. In this work, we study the access traces of a federated storage cache known as the Southern California Petabyte Scale Cache. By studying the access patterns and potential for network traffic reduction by this caching system, we aim to explore the predictability of the cache uses and the potential for a more general in-network data caching. Our study shows that this distributed storage cache is able to reduce the network traffic volume by a factor of 2.35 during a part of the study period. We further show that machine learning models could predict cache utilization with an accuracy of 0.88. This demonstrates that such cache usage is predictable, which could be useful for managing complex networking resources such as in-network caching.
• Abstract（参考訳）: 科学的なコラボレーションは、自分たちの仕事のために大量のデータに依存しており、その多くは、そのデータを世界中のユーザコミュニティに複製するために階層化されたシステムを使用している。 コミュニティ内の各ユーザは、分析タスクのために異なるデータのサブセットを選択することが多いが、研究グループのメンバーは、しばしば同様のデータオブジェクトを必要とする関連する研究トピックに取り組んでいる。 したがって、かなりの量のデータ共有が可能となる。 本研究では,南カリフォルニアペタバイトスケールキャッシュとして知られるフェデレーションストレージキャッシュのアクセストレースについて検討する。 このキャッシュシステムによるアクセスパターンとネットワークトラフィック削減の可能性を調べることにより、キャッシュ利用の予測可能性と、より一般的なネットワーク内データキャッシュの可能性を検討することを目的とする。 本研究は,この分散ストレージキャッシュにより,研究期間中にネットワークトラフィックを2.35パーセント削減できることを示す。 さらに, 機械学習モデルにより, 0.88 の精度でキャッシュ利用を予測できることを示した。 これは、そのようなキャッシュの使用が予測可能であり、ネットワーク内キャッシュのような複雑なネットワークリソースを管理するのに有用であることを示している。

関連論文リスト

• Efficient Inference of Vision Instruction-Following Models with Elastic Cache [76.44955111634545]
  我々は,命令追従型大規模視覚言語モデルの効率的なデプロイのための新しい戦略であるElastic Cacheを紹介する。 本稿では,冗長キャッシュを具現化する重要なキャッシュマージ戦略を提案する。 命令符号化では,キャッシュの重要性を評価するために周波数を利用する。 様々なLVLMの結果は、Elastic Cacheが効率を向上するだけでなく、言語生成における既存のプルーニングメソッドよりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-07-25T15:29:05Z)
• SCALM: Towards Semantic Caching for Automated Chat Services with Large Language Models [15.742472622602557]
  セマンティック分析を重視し,重要なキャッシュエントリやパターンを識別する新しいキャッシュアーキテクチャであるSCALMを提案する。 評価の結果,SCALMはキャッシュヒット率を増大させ,LLMChatサービスの運用コストを低減させることがわかった。
  論文  参考訳（メタデータ） (2024-05-24T08:16:22Z)
• Beamforming in Wireless Coded-Caching Systems [7.799363090534322]
  本稿では,ビームフォーミングと符号化キャッシュ戦略を統合した無線トランスポートネットワークアーキテクチャについて検討する。 提案した設計では,複数のアンテナを備えたサーバが,ユーザのサービスを担当するキャッシュノードにコンテンツをブロードキャストする。 符号化キャッシングシステムにおいて,効率的な遺伝的アルゴリズムに基づくビーム最適化手法を開発した。
  論文  参考訳（メタデータ） (2023-09-11T07:21:57Z)
• Effectiveness and predictability of in-network storage cache for scientific workflows [2.5854108621739664]
  大規模な科学的コラボレーションでは、複数の科学者が異なる分析をしながら同じファイルにアクセスしていることが多い。 これらのデータアクセスは、距離によって長いレイテンシを持ち、広域ネットワーク上で利用可能な帯域幅を占有する。 広域ネットワークトラフィックとデータアクセス遅延を低減するため、地域データストレージキャッシュがインストールされている。
  論文  参考訳（メタデータ） (2023-07-20T17:52:19Z)
• Accelerating Deep Learning Classification with Error-controlled Approximate-key Caching [72.50506500576746]
  我々は、近似キーキャッシングと名付けた新しいキャッシングパラダイムを提案する。 近似キャッシュはDL推論の負荷を軽減し、システムのスループットを向上するが、近似誤差を導入する。 我々は古典的なLRUと理想的なキャッシュのキャッシュシステム性能を解析的にモデル化し、期待される性能のトレース駆動評価を行い、提案手法の利点を最先端の類似キャッシュと比較した。
  論文  参考訳（メタデータ） (2021-12-13T13:49:11Z)
• Semi-supervised Network Embedding with Differentiable Deep Quantisation [81.49184987430333]
  我々はネットワーク埋め込みのための微分可能な量子化法であるd-SNEQを開発した。 d-SNEQは、学習された量子化符号にリッチな高次情報を与えるためにランク損失を組み込む。 トレーニング済みの埋め込みのサイズを大幅に圧縮できるため、ストレージのフットプリントが減少し、検索速度が向上する。
  論文  参考訳（メタデータ） (2021-08-20T11:53:05Z)
• A Survey of Deep Learning for Data Caching in Edge Network [1.9798034349981157]
  本稿では,エッジネットワークにおけるデータキャッシングにおけるディープラーニングの利用について要約する。 まず、コンテンツキャッシングにおける典型的な研究トピックを概説し、ネットワーク階層構造に基づく分類を定式化する。 次に、教師なし学習から教師なし学習、強化学習まで、多くの重要なディープラーニングアルゴリズムが提示される。
  論文  参考訳（メタデータ） (2020-08-17T12:02:32Z)
• Caching Placement and Resource Allocation for Cache-Enabling UAV NOMA Networks [87.6031308969681]
  本稿では,非直交多重アクセス(NOMA)をサポートした大規模アクセス機能を有する無人航空機(UAV)セルネットワークについて検討する。 コンテンツ配信遅延最小化のための長期キャッシュ配置と資源配分最適化問題をマルコフ決定プロセス(MDP)として定式化する。 そこで我々は,UAVがemphsoft $varepsilon$-greedy戦略を用いて行動の学習と選択を行い,行動と状態の最適な一致を探索する,Qラーニングに基づくキャッシュ配置とリソース割り当てアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-12T08:33:51Z)
• CATCH: Context-based Meta Reinforcement Learning for Transferrable Architecture Search [102.67142711824748]
  CATCHは、転送可能なarChitecture searcHのための、Context-bAsed meTa強化学習アルゴリズムである。 メタラーニングとRLの組み合わせにより、CATCHは検索空間に依存しないまま、新しいタスクに効率的に適応できる。 また、ImageNet、COCO、Cityscapesの競合ネットワークとしてクロスドメインアーキテクチャサーチを扱うこともできる。
  論文  参考訳（メタデータ） (2020-07-18T09:35:53Z)
• Reinforcement Learning for Caching with Space-Time Popularity Dynamics [61.55827760294755]
  キャッシングは次世代ネットワークにおいて重要な役割を果たすと想定されている。 コンテンツをインテリジェントにプリフェッチし、保存するためには、キャッシュノードは、何といつキャッシュするかを学ばなければならない。 本章では、近似キャッシングポリシー設計のための多目的強化学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-19T01:23:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。