基于迭代填充的内存计算框架分区映射算法

针对内存计算框架Spark在作业Shuffle阶段一次分区产生的数据倾斜问题,提出一种内存计算框架的迭代填充分区映射算法(IFPM)。首先,分析Spark作业的执行机制,建立作业效率模型和分区映射模型,给出作业执行时间和分配倾斜度的定义,证明这些定义与作业执行效率的因果逻辑关系;然后,根据模型和定义求解,设计扩展式数据分区算法(EPA)和迭代式分区映射算法(IMA),在Map端建立一对多分区函数,并通过分区函数将部分数据填入扩展区内,在数据分布局部感知后再执行扩展区迭代式的多轮数据分配,根据Reduce端已分配数据量建立适应性的扩展区映射规则,对原生区的数据倾斜进行逐步修正,以此保障数据分配的均衡性。实验结果表明,在不同源数据分布条件下,算法均提高了作业Shuffle过程分区映射合理性,缩减了宽依赖Stage的同步时间,提高了作业执行效率。

非扩张映象有限族的公共不动点的隐式迭代方法(英文)

本文在实一致凸和q-一致光滑Banach空间中研究了一类新的有限族非扩张映象的公共不动点的具误差和具扰动映射的隐式迭代程序并且得到了一些收敛性定理.特别地,获得了该隐式迭代程序强收敛性的充要条件.本文所得结论推广了文[1,2]中的相应结果.

有限族非扩张映象的公共不动点的具误差和具扰动映射的迭代程序(英文)

本文在实一致凸和q-一致光滑Banach空间中研究了一类新的有限族非扩张映象的公共不动点的具误差和具扰动映射的显式迭代程序并且得到了一些收敛性定理.特别地,获得了该显式迭代程序强收敛性的充要条件.本文所得到结果推广了文[1]中的相应结果.

Existence and Algorithm of Solutions for Generalized Set-valued Strongly Nonlinear Mixed Variational-like Type Inequalities

The auxiliary principle technique is extended to study a class of generalized set-valued strongly nonlinear mixed variational-like type inequalities. Firstly, the existence of solutions to the auxiliary problems for this class of generalized set-valued strongly nonlinear mixed variational-like type inequalities is shown. Secondly, the iterative algorithm for solving this class of generalized set-valued strongly nonlinear mixed variational-like type inequalities is given by using this existence result. Finally, the strong convergence of iterative sequences generated by the algorithm is proven. The present results improve, generalize and modify the earlier and recent ones obtained previously by some authors in the literature.