ОГЛЯД ПРОБЛЕМНО-ОРІЄНТОВАНИХ МОВ ПРОГРАМУВАННЯ ДЛЯ ПАРАЛЕЛЬНОГО АНАЛІЗУ СТАТИЧНИХ ГРАФІВ
Ключові слова:
DSL, предметно-орієнтовані, аналіз статичних графів, паралелізм, генерація, таблиця, математичні моделі, виявлення
Анотація
Предметом вивчення в статті є проблемно-орієнтовані мови програмування для паралельного аналізу статичних графів. Метою даної статті є огляд підходів до реалізації проблемно-орієнтованих мов програмування на прикладі Green-Marl, OptiGraph, Elixir і Falcon, призначених для аналізу статичних графів. Завдання: показати ефективність використання предметно-орієнтованих мов програмування в аналізі статичних графів, якими можуть оперувати не тільки спеціалісти в області програмування, а й фахівці розробки математичних моделей і алгоритмів аналізу даних, зокрема із застосуванням теорії графів; розглянути існуючі DSL для аналізу статичних графів із застосуванням паралельних і розподілених обчислень; відзначити існуючі предметно-орієнтовані мови для побудови алгоритмів обходів графа; порівняти DSL з точки зору виразності паралелізму і застосовності для генерації високоефективних паралельних програм для суперкомп'ютерів і кластерних систем у вигляді зведеної таблиці з основними властивостями мов і їх компіляторів. Використовуваним методом є: проведення порівняльного аналізу предметно-орієнтованих мов програмування. Отримані такі результати: виявлено рівень ефективності використання предметно-орієнтованих мов програмування в аналізі статичних графів; розглянуто існуючі DSL; проведено порівняльний аналіз DSL. Висновки. В статті були розглянуті чотири проблемно-орієнтованих мови програмування, призначених для розробки і реалізації алгоритмів аналізу статичних графів.Завантаження
Дані про завантаження поки що недоступні.
Посилання
1. Reed DA, Dongarra J. Exascale computing and big data // Communi-cations of the ACM. - 2015. - Т. 58. - №. 7. - С. 56-68.
2. Malewicz G. et al. Pregel: a system for large-scale graph processing // Proceedings of the 2010 ACM SIGMOD International Conference on Man-agement of data. - ACM, 2010. - С. 135-146.
3. Low Y. et al. Distributed GraphLab: a framework for machine learning and data mining in the cloud // Proceedings of the VLDB Endowment. - 2012. - Т. 5. - №. 8. - С. 716-727.
4. Gonzalez JE et al. Graphx: Graph processing in a distributed dataflow framework // 11th USENIX Symposium on Operating Systems Design and Implementation (OSDI 14). - 2014. - С. 599-613.
5. Shvachko K. et al. The hadoop distributed file system // 2010 IEEE 26th symposium on mass storage systems and technologies (MSST). - IEEE 2010. - С. 1-10.
6. Avery C. Giraph: Large-scale graph processing infrastructure on hadoop Proceedings of the Hadoop Summit. Santa Clara. - 2011. - Т. 11.
7. Zaharia M. et al. Spark: cluster computing with working sets // Hot-Cloud. - 2010. - Т. 10. - С. 10-10.
8. Quilitz B., Leser U. Querying distributed RDF data sources with SPARQL European Semantic Web Conference. - Springer Berlin Heidelberg, 2008. - С. 524-538.
9. Webber J. A programmatic introduction to Neo4j // Proceedings of the 3rd annual conference on Systems, programming, and applications: soft-ware for humanity. - ACM, 2012. - С. 217-218.
10. Rodriguez MA The Gremlin graph traversal machine and language (invited talk) // Proceedings of the 15th Symposium on Database Program-ming Languages. - ACM, 2015. - С. 1-10.
11. Green-Marl Specification 0.7.1 https://docs.oracle.com/cd /E56133_01/1.2.0/ Green_Marl_Language_Specification.pdf
12. Hong S. et al. Green-Marl: a DSL for easy and efficient graph analysis // ACM SIGARCH Computer Architecture News. - ACM, 2012. - Т. 40. - №. 1. - 349-362.
2. Malewicz G. et al. Pregel: a system for large-scale graph processing // Proceedings of the 2010 ACM SIGMOD International Conference on Man-agement of data. - ACM, 2010. - С. 135-146.
3. Low Y. et al. Distributed GraphLab: a framework for machine learning and data mining in the cloud // Proceedings of the VLDB Endowment. - 2012. - Т. 5. - №. 8. - С. 716-727.
4. Gonzalez JE et al. Graphx: Graph processing in a distributed dataflow framework // 11th USENIX Symposium on Operating Systems Design and Implementation (OSDI 14). - 2014. - С. 599-613.
5. Shvachko K. et al. The hadoop distributed file system // 2010 IEEE 26th symposium on mass storage systems and technologies (MSST). - IEEE 2010. - С. 1-10.
6. Avery C. Giraph: Large-scale graph processing infrastructure on hadoop Proceedings of the Hadoop Summit. Santa Clara. - 2011. - Т. 11.
7. Zaharia M. et al. Spark: cluster computing with working sets // Hot-Cloud. - 2010. - Т. 10. - С. 10-10.
8. Quilitz B., Leser U. Querying distributed RDF data sources with SPARQL European Semantic Web Conference. - Springer Berlin Heidelberg, 2008. - С. 524-538.
9. Webber J. A programmatic introduction to Neo4j // Proceedings of the 3rd annual conference on Systems, programming, and applications: soft-ware for humanity. - ACM, 2012. - С. 217-218.
10. Rodriguez MA The Gremlin graph traversal machine and language (invited talk) // Proceedings of the 15th Symposium on Database Program-ming Languages. - ACM, 2015. - С. 1-10.
11. Green-Marl Specification 0.7.1 https://docs.oracle.com/cd /E56133_01/1.2.0/ Green_Marl_Language_Specification.pdf
12. Hong S. et al. Green-Marl: a DSL for easy and efficient graph analysis // ACM SIGARCH Computer Architecture News. - ACM, 2012. - Т. 40. - №. 1. - 349-362.
Опубліковано
2018-12-13
Як цитувати
Shutka P. Огляд проблемно-орієнтованих мов програмування для паралельного аналізу статичних графів / P. Shutka, A. Filonenko // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2018. – Т. 6 (52). – С. 126-129. – doi:https://doi.org/10.26906/SUNZ.2018.6.126.
Розділ
Інформаційні технології
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
