Spark 기반에서 Python과 Scala API의 성능 비교 분석

지경엽; 권영미

추천

검색

질문

자료유형: 학술저널

저자정보: 지경엽 (한국과학기술원) 권영미 (충남대학교)

저널정보: 한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제23권 제2호

발행연도: 2020.2

수록면: 241 - 246 (6page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Hadoop is a framework to process large data sets in a distributed way across clusters of nodes. It has been a popular platform to process big data, but in recent years, other platforms became competitive ones depending on the characteristics of the application. Spark is one of distributed platforms to enable real-time data processing and improve overall processing performance over Hadoop by introducing in-memory processing instead of disk I/O. Whereas Hadoop is designed to work on Java and data analysis is processed using Java API, Spark provides a variety of APIs with Scala, Python, Java and R. In this paper, the goal is to find out whether the APIs of different programming languages affect the performances in Spark. We chose two popular APIs: Python and Scala. Python is easy to learn and is used in AI domain in a wide range. Scala is a programming language with advantages of parallelism. Our experiment shows much faster processing with Scala API than Python API. For the performance issues on AI-based analysis, further study is needed.

#Spark #Scala #Python #Master Node #Worker Node

참고문헌 (11)

참고문헌 신청

H. Lee, “Performance Improvement of Deep Clustering Networks for Multi Dimensional Data,” Journal of Korea Multimedia Society, Vol. 21, No. 8, pp. 952-959, 2018.

Spark 2.4.4 API Documentation, https://spark.apache.org/docs/latest/api.html (accessed November 1, 2019). IT World Glossary|Spark, http://www.itworld.co.kr/news/92835 (accessed April 9, 2015). Real-world Python Workloads on Spark: Standalone Clusters, https://becominghuman.ai/real-world-python-workloads-on-sparkstandalone-clusters-2246346c7040 (accessed November 1, 2019). Tuning Spark Serialization, https://spark.apache.org/docs/latest/tuning.html (accessed April 4, 2017).

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

지경엽

소속기관 한국과학기술원

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 2 이용수 195

권영미

소속기관 충남대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 컴퓨터학

논문수 38 이용수 4,280

이 논문과 함께 이용한 논문

중첩부호 기반의 협력 IoT 통신을 위한 새로운 반복 복호 알고리즘

최유호 , 허서원 전자공학회논문지 2020 .02

KiBaM model을 이용한 리튬 이온 배터리에서의 휴지기간에 따른 열화 특성 해석

정주연 , 한세경 대한전기학회 학술대회 논문집 2019 .07

기술혁신 성과에 영향을 미치는 요인에 관한 연구 : 연구개발투자와 국가 인프라를 중심으로

이승주 , 차현진 , Malo 외 1명 한국기술혁신학회 학술대회 2019 .11

경량 다층 랜덤 포레스트 기반의 빠른 동공 추적

정미라 , 고병철 대한전자공학회 학술대회 2019 .11

소구경튜브 내의 시변자계 영상화 기법을 이용한 관지지판 직하결함의 검출

김세진 , 왕다빈 , 이호용 외 1명 대한기계학회 춘추학술대회 2019 .04

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-004-000443165

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (11)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)