МІНІМІЗАЦІЯ МЕРЕЖЕВОГО ТРАФІКУ В RAFT-LIKE CONSENSUS ALGORITHM

Автор(и)

  • Р.В. Белоус Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»
  • Є.В. Крилов Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

DOI:

https://doi.org/10.33042/2522-1809-2024-4-185-2-6

Ключові слова:

розподілені бази даних, RAFT, мережевий трафік, кардинальності, Big Data, IoT

Анотація

Розроблено новий метод мінімізації мережевого трафіку для алгоритму консенсусу типу RAFT. Базуючись на попередньому обміні ключовими векторами та кардинальностями між нодами, він дозволяє зменшити обсяг даних, що передаються, шляхом уникнення дублювання і передачі тільки необхідних даних. Застосування цього методу дає змогу значно підвищити ефективність системи та знизити навантаження на мережу.

Біографії авторів

Р.В. Белоус, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

PhD, асистент кафедри інформаційних систем та технологій

Є.В. Крилов, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

кандидат технічних наук, доцент, доцент кафедри інформаційних систем та технологій

Посилання

Ongaro D., Ousterhout J. In Search of an Understandable Consensus Algorithm (Extended Version). Raft Consensus Algorithm. 2014. Available at: https://raft.github.io/raft.pdf

C. Mohan, D. Haderle, B. Lindsay, H. Pirahesh, P. Schwarz, “ARIES: A Transaction Recovery Method Supporting Fine-Granularity Locking and Partial Rollbacks Using Write-Ahead Logging,” ACM Transactions on Database Systems (TODS), vol. 17, no. 1, pp. 94-162, 1992. Available at+: https://dl.acm.org/doi/10.1145/1365815.1365816

F. Li, V. Venkataraman, S. Rajamanickam, and J. Zhang, “Spanner: Google’s globally distributed database,” ACM Transactions on Computer Systems (TOCS), vol. 31, no. 2, pp. 8-15, 2013.

D. B. Lomet, K. Tzoumas, C. Weng, P. Larson, S. Blanas, C. Curino, and A. J. Elmore, “Cosmos DB: A System Over-view,” IEEE Data Engineering Bulletin, vol. 42, no. 1, pp. 36-45, 2019.

B. Warnke, S. Fischer, S. Groppe, “Using Machine Learning and Routing Protocols for Optimizing Distributed SPARQL Queries in Collaboration,” Computers, vol. 12, no. 10, 2023. Available at: https://www.mdpi.com/2073-431X/12/10/210https://www.mdpi.com/2076-3417/14/2/846

IDC. Global Data Volume Trends [EB/OL]. 2018. Available online: https://www.seagate.com/files/www-content/our-StoryAmazon/trends/files/idc-seagate-dataage-chine-whitepaper.pdf (accessed on 16 October 2018).

Zeng, K.; Yang, J.; Wang, H.; Shao, B.; Wang, Z. A distributed graph engine for web scale RDF data. Proc. VLDB Endow. 2013, 6, 265–276.

Rohloff, K.; Schantz, R.E. High-performance, massively scalable distributed systems using the MapReduce software framework: The SHARD triple-store. In Programming Support Innovations for Emerging Distributed Applications; As-sociation for Computing Machinery: New York, NY, USA, 2010; pp. 1–5.

Zeng, K.; Yang, J.; Wang, H.; Shao, B.; Wang, Z. A distributed graph engine for web scale RDF data. Proc. VLDB Endow. 2013, 6, 265–276.

Rohloff, K.; Schantz, R.E. High-performance, massively scalable distributed systems using the MapReduce software framework: The SHARD triple-store. In Programming Support Innovations for Emerging Distributed Applications; Association for Computing Machinery: New York, NY, USA, 2010; pp. 1–5.

##submission.downloads##

Опубліковано

2024-09-06

Як цитувати

Белоус, Р., & Крилов, Є. (2024). МІНІМІЗАЦІЯ МЕРЕЖЕВОГО ТРАФІКУ В RAFT-LIKE CONSENSUS ALGORITHM. Комунальне господарство міст, 4(185), 2–6. https://doi.org/10.33042/2522-1809-2024-4-185-2-6