چکيده— کاربرد های علمی در حوزه مراقبت های بهداشتی-درمانی نظیر شبکه تعبیه شده در سطح بدن، برای نظارت بر وضعیت سلامت میزبان، به صد ها حسگر بهم پیوسته نیاز دارند. یکی از بزرگترین چالش ها در این خصوص، جریان داده ای حاصل از تمامی این سنسور ها می باشد که می بایست به صورت real-time پردازش شود. پروسه تحلیل داده های پیگیری وضعیت مراقبت های درمانی، معمولا شامل انتقال حجم عظیم داده های جمع اوری شده به یک دیتاسنتر ابری می باشد که هدف از این کار، گزارش گیری وضعیت سلامت و نیز ردگیری پرونده های درمانی است. بنابراین در راستای پشتیبانی از این نوع کاربرد های real-time جریان داده ای، می بایست یک پلتفرم ابری کارآمد با ظرفیت مقیاس پذیری بسیار انعطاف پذیر وجود داشته باشد. پلتفرم ابری موجود یا فاقد چنین ماژولی برای پردازش جریان داده ای می باشد و یا اینکه در ارتباط با گره های پردازشی coarse-grained ، تغییر مقیاس می دهد. ما در این مقاله یک پارچوب کاهش نگاشت تطبیقی در سطح وظیفه را پیشنهاد می نماییم. این چارچوب، ساختار عمومی معماری کاهش نگاشت را توسعه می دهد. این فرآیند از طریق طراحی هر وظیفه نگاشت و کاهش به صورت یک daemon حلقه ای در حال اجرا، صورت می پذیرد. زیبایی این چارچوب در این است که قابلیت مقیاس پذیری به جای اینکه از سطح گره پردازشی صورت پذیرد؛ در سطح نگاشت و وظیفه طراحی شده است. این استراتژی نه تنها می تواند به صورت real-time با افزایش و یا کاهش مقیاس همراه باشد؛ بلکه همچنین به استفاده موثر از منابع محاسباتی در دیتاسنتر ابری منجر می شود. به عنوان اولین گام به سوی اجرای این چارچوب در محیط واقعی ابر، ما یک شبیه ساز را ایجاد نمودیم که بر اساس شدت بار کاری، میزان وظایف نگاشت و کاهش مورد نیاز را به صورت real-time تدارک می بیند. در راستای ارتقای چارچوب، ما دو روش پیش بینی حجم کار جریان داده ای را بکار می گیریم: تکنیک هموارسازی و نیز فیلتر Kalman . ما با استفاده از این دو روش، مشخصه های ناشناخته حجم کاری را برآورد می نماییم. با بکارگیری فیلتر Kalman در پیش بینی حجم کاری، مشاهده می نماییم که عملکرد چارچوب به میزان 63.1٪ بهبود می یابد. بعلاوه جهت آزمایش چارچوب پیشنهادی، پروسه ردگیری حجم کاری جریان داده ای را مورد استفاده قرار می دهیم. نتایج تجربی نشان می دهند که با تغییر نرخ ورود جریان داده ای، این چارچوب می تواند زمانبندی وظایف نگاشت و کاهش را به صورت موثر و مطلوبی ارائه نماید.
کلمات کليدي- کاهش نگاشت تطبیقی، داده های بزرگ، کاربرد های علمی مراقبت های بهداشتی-درمانی، فیلتر Kalman ، پردازش موازی

Abstract:  Healthcare scientific applications, such as body area network, require of deploying hundreds of interconnected sensors to monitor the health status of a host. One of the biggest challenges is the streaming data collected by all those sensors, which needs to be processed in real time. Follow-up data analysis would normally involve moving the collected big data to a cloud data center for status reporting and record tracking purpose. Therefore, an efficient cloud platform with very elastic scaling capacity is needed to support such kind of real time streaming data applications. The current cloud platform either lacks of such a module to process streaming data, or scales in regard to coarse-grained compute nodes. In this paper, we propose a task-level adaptive MapReduce framework. This framework extends the generic MapReduce architecture by designing each Map and Reduce task as a consistent running loop daemon. The beauty of this new framework is the scaling capability being designed at the Map and Task level, rather than being scaled from the compute-node level. This strategy is capable of not only scaling up and down in real time, but also leading to effective use of compute resources in cloud data center. As a first step towards implementing this framework in real cloud, we developed a simulator that captures workload strength, and provisions the amount of Map and Reduce tasks just in need and in real time. To further enhance the framework, we applied two streaming data workload prediction methods, smoothing and Kalman filter, to estimate the unknown workload characteristics. We see 63.1% performance improvement by using the Kalman filter method to predict the workload. We also use real streaming data workload trace to test the framework. Experimental results show that this framework schedules the Map and Reduce tasks very efficiently, as the streaming data changes its arrival rate.
Keywords -Adaptive MapReduce, Big data, Healthcare scientific applications, Kalman filter, Parallel processing