在无处不在的P2P网络上分发工作流

摘要

本文讨论了在无处不在的点对点网络中分发捆绑工作流的问题，以应用于音乐信息检索。这项工作的潜在动机是由DART项目提供的，该项目旨在开发一种新的音乐推荐系统，通过使用协同过滤技术收集统计数据，并分析音频本身，为了创建一个可靠和全面的数据库，人们拥有和他们听的音乐。为了达到这个目标,DART科学家创建算法需要分发他们创造的特里亚纳工作流的能力,代表分析执行,定期通过网络(甚至日报)以更新整个网络新工作流执行分析。DART使用了与BOINC类似的方法，但不同之处在于，工人以捆绑Triana工作流的形式接收输入数据，执行该工作流是为了处理他们机器上拥有的任何MP3文件。一旦分析，结果将返回到DART的分布式数据库，该数据库将收集和汇总结果信息。DART使用包存储库来分散这种工作流包的分布，本文通过仿真验证了这种方法，仿真表明，随着参与者数量的增加，适当的可伸缩性可以通过系统保持。结果表明了该方法的有效性。

科学的规划

动态计算工作流:发现、优化和调度

摘要

版权

更多相关文章