論文の概要: FLAC: Practical Failure-Aware Atomic Commit Protocol for Distributed Transactions

• arxiv url: http://arxiv.org/abs/2302.04500v1
• Date: Thu, 9 Feb 2023 08:52:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-10 16:30:39.748089
• Title: FLAC: Practical Failure-Aware Atomic Commit Protocol for Distributed Transactions
• Title（参考訳）: FLAC:分散トランザクションのための実践的障害対応アトミックコミットプロトコル
• Authors: Hexiang Pan, Quang-Trung Ta, Meihui Zhang, Yeow Meng Chee, Gang Chen, Beng Chin Ooi
• Abstract要約: FLAC(Failure-Aware Atomic Commit)は、3つの異なる環境向けに設計されている。 FLACは障害が発生したかどうかを監視し、最も適切なサブプロトコルを操作するように切り替える。 最大2.22倍のスループット向上と2.82倍のレイテンシ高速化を実現している。
• 参考スコア（独自算出の注目度）: 27.20381433013882
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In distributed transaction processing, atomic commit protocol (ACP) is used to ensure database consistency. With the use of commodity compute nodes and networks, failures such as system crashes and network partitioning are common. It is therefore important for ACP to dynamically adapt to the operating condition for efficiency while ensuring the consistency of the database. Existing ACPs often assume stable operating conditions, hence, they are either non-generalizable to different environments or slow in practice. In this paper, we propose a novel and practical ACP, called Failure-Aware Atomic Commit (FLAC). In essence, FLAC includes three sub-protocols, which are specifically designed for three different environments: (i) no failure occurs, (ii) participant nodes might crash but there is no delayed connection, or (iii) both crashed nodes and delayed connection can occur. It models these environments as the failure-free, crash-failure, and network-failure robustness levels. During its operation, FLAC can monitor if any failure occurs and dynamically switch to operate the most suitable sub-protocol, using a robustness level state machine, whose parameters are fine-tuned by reinforcement learning. Consequently, it improves both the response time and throughput, and effectively handles nodes distributed across the Internet where crash and network failures might occur. We implement FLAC in a distributed transactional key-value storage system based on Google Percolator and evaluate its performance with both a micro benchmark and a macro benchmark of real workload. The results show that FLAC achieves up to 2.22x throughput improvement and 2.82x latency speedup, compared to existing ACPs for high-contention workloads.
• Abstract（参考訳）: 分散トランザクション処理では、アトミックコミットプロトコル(ACP)がデータベースの一貫性を保証するために使用される。 コモディティな計算ノードとネットワークを使用することで、システムクラッシュやネットワーク分割などの障害が一般的になる。 したがって、ACPはデータベースの整合性を確保しつつ、効率的に動作条件に適応することが重要である。 既存のACPは安定な動作条件を前提としており、異なる環境に対して一般化できないか、実際は遅くなる。 本稿では,Failure-Aware Atomic Commit (FLAC) と呼ばれる新しい実用的なACPを提案する。 FLACには3つのサブプロトコールが含まれており、特に3つの異なる環境向けに設計されている。 (i)失敗は発生しない。 二 参加者ノードがクラッシュすることがあるが、遅延接続がない、又は (iii)クラッシュノードと遅延接続が発生し得る。 これらの環境を障害フリー、クラッシュフェール、ネットワークフェールの堅牢性レベルとしてモデル化する。 運用中、flacは障害が発生したかどうかを監視し、強化学習によってパラメータが微調整されたロバスト性レベル状態マシンを使用して、最も適切なサブプロトコルを操作するように動的に切り替えることができる。 その結果、応答時間とスループットの両方を改善し、クラッシュやネットワーク障害が発生する可能性のあるインターネットに分散したノードを効果的に処理する。 我々は,google percolatorに基づく分散トランザクション型キーバリューストレージシステムにおいてflacを実装し,マイクロベンチマークと実際のワークロードのマクロベンチマークの両方でその性能を評価する。 その結果、flacは最大2.22倍のスループット向上と2.82倍のレイテンシ高速化を達成できた。

関連論文リスト

• C2A: Client-Customized Adaptation for Parameter-Efficient Federated Learning [21.914696641277054]
  クライアント情報を条件付けしてクライアント固有のアダプタを生成する,新しいハイパーネットワークベースのFLフレームワークを提案する。 学習を通じてカスタマイズされた重みを生成するハイパーネットワークの有効性により、C2Aは共有モデルパラメータの有用性を最大化することができる。 FLシナリオにおけるC2Aの効率性と有効性の両方の観点から,総合的な評価結果がC2Aの優位性を支持した。
  論文  参考訳（メタデータ） (2024-11-01T02:07:38Z)
• FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
  分散トレーニングは、システム設計と効率に関する重要な課題に直面します。 大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。 本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-16T16:13:19Z)
• SeBS-Flow: Benchmarking Serverless Cloud Function Workflows [51.4200085836966]
  本稿では、最初のサーバーレスワークフローベンチマークスイートSeBS-Flowを提案する。 SeBS-Flowには6つの実世界のアプリケーションベンチマークと、異なる計算パターンを表す4つのマイクロベンチマークが含まれている。 当社では,パフォーマンス,コスト,スケーラビリティ,ランタイムの偏差など,3つの主要なクラウドプラットフォームに関する包括的な評価を実施しています。
  論文  参考訳（メタデータ） (2024-10-04T14:52:18Z)
• Continuous variable dense coding under realistic non-ideal scenarios [0.0]
  一般二モードガウス状態の高密度符号化容量(DCC)の一般形式を導出する。 本研究では,2モード圧縮真空状態(TMSV)のDCCパターンについて,ノイズの強度を変化させることにより検討する。
  論文  参考訳（メタデータ） (2024-07-10T12:49:17Z)
• Scalable Federated Unlearning via Isolated and Coded Sharding [76.12847512410767]
  フェデレートされたアンラーニングは、クライアントレベルのデータエフェクトを削除するための有望なパラダイムとして登場した。 本稿では,分散シャーディングと符号化コンピューティングに基づく,スケーラブルなフェデレーション・アンラーニング・フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-29T08:41:45Z)
• FLCC: Efficient Distributed Federated Learning on IoMT over CSMA/CA [0.0]
  フェデレートラーニング(FL)は、プライバシー保護のための有望なアプローチとして登場した。 本稿では,アドホックネットワーク上で遠隔医療システムを改善するアプリケーションにおけるFLの性能について検討する。 ネットワーク性能を評価するための指標として,1) 干渉を最小限に抑えながら伝送を成功させる確率,2) 精度と損失の点で分散FLモデルの性能を示す。
  論文  参考訳（メタデータ） (2023-03-29T16:36:42Z)
• HFedMS: Heterogeneous Federated Learning with Memorable Data Semantics in Industrial Metaverse [49.1501082763252]
  本稿では,新しい産業メタバースに実用FLを取り入れたHFEDMSを提案する。 動的グルーピングとトレーニングモード変換によってデータの均一性を低下させる。 そして、圧縮された履歴データセマンティクスを融合することで、忘れられた知識を補う。 ストリームされた非I.d.FEMNISTデータセットに対して,368個のシミュレーションデバイスを用いて実験を行った。
  論文  参考訳（メタデータ） (2022-11-07T04:33:24Z)
• Scalable and Sparsity-Aware Privacy-Preserving K-means Clustering with Application to Fraud Detection [12.076075765740502]
  本稿では,3つの特徴を持つ効率的な空間認識型K-meansのための新しいフレームワークを提案する。 まず、私たちのフレームワークはデータ非依存のオフラインフェーズと、より高速なオンラインフェーズに分けられます。 第二に、オンラインとオフラインの両方のフェーズにおけるベクトル化技術を活用します。 第3に,データ分散シナリオにスパース行列乗法を適用して効率を向上する。
  論文  参考訳（メタデータ） (2022-08-12T02:58:26Z)
• Communication-Efficient Federated Learning With Data and Client Heterogeneity [22.432529149142976]
  Federated Learning (FL)は、機械学習モデルの大規模分散トレーニングを可能にする。 FLを大規模に実行するには、本質的に実践的な課題が伴う。 従来のフェデレーション平均化(FedAvg)アルゴリズムの最初の変種を示す。
  論文  参考訳（メタデータ） (2022-06-20T22:39:39Z)
• Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
  Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。 ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
  論文  参考訳（メタデータ） (2021-03-18T08:47:56Z)
• AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
  本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。 我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
  論文  参考訳（メタデータ） (2020-07-14T09:07:29Z)

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。