Συντάχθηκε 15-12-2020 14:21
Τόπος: Η παρουσίαση θα γίνει με τηλεδιάσκεψη
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 17/12/2020 11:30
Λήξη: 17/12/2020 12:30
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΕΝΤΟΥΑΡΝΤ ΕΠΟΥΡΕ
θέμα
Γεωμετρική Παρακολούθηση Ροών Δεδομένων στο Apache Flink
Geometric Streams Monitoring on Apache Flink
Εξεταστική Επιτροπή
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς (επιβλέπων)
Αναπληρωτής Καθηγητής Αντώνιος Δεληγιαννάκης
Καθηγητής Μίνως Γαροφαλάκης
Περίληψη
Ο όγκος των δεδομένων που δημιουργούνται καθημερινά από διαδικτυακές εφαρμογές αυξάνεται συνεχώς, πράγμα που οδηγεί σε ζήτηση για ικανά προγράμματα επεξεργασίας ροών δεδομένων σε πραγματικό χρόνο. Έχουν προταθεί πολυάριθμοι αλγόριθμοι παρακολούθησης με την πάροδο των ετών, αποδίδοντας εξαιρετικά αποτελέσματα αλλά με κοινές ελλείψεις. Το πρόβλημα που δεν έχει ακόμη αντιμετωπιστεί από προηγούμενες εργασίες αλγορίθμων παρακολούθησης είναι η ένταξή τους σε μεγάλα προγράμματα επεξεργασίας ροών δεδομένων. Μέρος του λόγου μπορεί να είναι η έλλειψη ομοιομορφίας που παρουσιάζει κάθε αλγόριθμος παρακολούθησης και οι απαιτήσεις που επιβάλλει στην αρχιτεκτονική του συστήματος. Οσον αφορά το Apache Flink, πρόκειται για ένα λογισμικό ανοιχτού κώδικα και μηχανή κατανεμημένης επεξεργασίας για υπολογισμoύς σε συνεχείς ροές δεδομένων. Το Flink είναι ένα πολύ ευέλικτο εργαλείο, σχεδιασμένο να λειτουργεί σε όλα τα κοινά περιβάλλοντα cluster και να εκτελεί υπολογισμούς σε οποιαδήποτε κλίμακα. Αυτή η εργασία περιγράφει την εφαρμογή του αλγόριθμου Functional Geometric Monitoring στο Apache Flink, ενώ συγκρίνει τα αποτελέσματα που έχουν εξαχθεί με αυτά των προηγούμενων προσομοιωμένων υλοποιήσεων αλγορίθμων παρακολούθησης.
Abstract
The amount of data generated every day by online applications is continuously growing, which results in a demand for capable real-time stream processing frameworks. Numerous monitoring algorithms have been proposed over the years, yielding exceptional results but with common shortcomings. The problem not yet addressed by previous work on monitoring algorithms is their integration into large data-stream processing frameworks. Part of the reason may be the lack of uniformity each monitoring algorithm presents and the requirements it imposes on the system architecture. That’s where Apache Flink comes into play. It is an open-source framework and distributed processing engine for stateful computation over unbounded data-streams. Flink is a very versatile tool, designed to run in all common cluster environments and perform computations at any scale. This thesis describes the implementation of the Functional Geometric Monitoring algorithm on Apache Flink, while comparing the extracted results with these of previous simulated implementations of monitoring algorithms.
Meeting ID: 879 6545 0920
Password: 281521
