小朱读文章之HotCloud 12[workshop]

HotCloud12    [workshop]

https://www.usenix.org/conference/hotcloud12/tech-schedule/workshop-program

Using R for Iterative and Incremental Processing

在已有的数据并行编程模型，例如MapReduece框架下写一些机器学习和图算法是很困难的，很多这些算法本身是迭代的，并且执行增量计算，这些并不被现有的框架所支持。

这篇文章提出了一个基于数组的语言叫做R，并在文章中进行了扩展，这种算法可以较理想地表达上面提到的一些算法。

 

Sweet Storage SLOs with Frosting

现在的数据中心支持很多应用，这些应用有很多性能要求。这些性能要求在应用层被描述为服务级的目标SLO。然而大规模的分布式存储系统没有注意这些性能目标。所以为了提高利用率，将许多应用调度到同一个集群中，在这篇文章中作者认为由于这些SLO是在高级别表述的，那么一个高级别的控制机制是必要的。

而现有的方法是采用块级别或者磁盘级别的调度，文章提出的机制把SLO翻译成低级别的配置参数。

 

Towards Fair Sharing of Block Storage in a Multi-tenantCloud

多用户下，云存储系统的性能不稳定，通过.Our design leverages log-structured disk lay-out, chain replicationand a workload-based replica selection strategy to minimize interference,striking a balance between performance and fairness.