Büyük Veri Analitiği İçin Yüksek Performans Hesaplama Sistemi Gibi Davranan Bir Dağıtık Bilgisayar Sistemi Mimarisi

Yıl 2020, Cilt: 1 Sayı: 2, 74 - 81, 15.12.2020

Prof. Dr. Hamza Erol , Timuçin Korkmaz

Öz

Büyük veri analitiği için yüksek performans hesaplama sistemi gibi davranan bir dağıtık bilgisayar sistemi mimarisi oluşturuldu. Dağıtık bilgisayar sistemi mimarisinde, büyük verinin hacmi ve işlenecek iş parçacığının yükü dikkate alınır. Dağıtık bilgisayar sistemi mimarisi, kişisel bilgisayarların birlikte ve aynı bilgisayar ağı üzerinde normal standartlarda ve özelliklerde kullanılması esasına göre tasarlanmıştır. Dağıtık bilgisayar sistemi mimarisi için ortak bilgisayar ağında yer alan bir bilgisayar ana bilgisayar, diğerleri de bağımlı bilgisayar olarak planlanmıştır. Büyük veri analizi için oluşturulan iş parçacıkları, hem ana bilgisayar hem de bağımlı bilgisayarların işlemcilerinde aynı anda işlenir. Dağıtık bilgisayar sistemi mimarisinde büyük veri analitiği için oluşturulan iş parçacıklarının işlenmesinde iki farklı veri tabanı kullanılmaktadır. İş parçacıkları için veri dosyalarını okuma işlemi için bir veritabanı kullanılır ve işlem sonuçlarını çıktı dosyalarına yazmak için başka bir veritabanı kullanılır. Visual C # paralel programlama dili, dağıtılmış bilgisayar sistemi mimarisindeki bilgisayar işlemcilerindeki iş parçacıkları işlemek için kullanıldı. Bu çalışmada yüz görüntülerinin duygusal ifade sınıflandırması yapılmıştır. Bu amaçla önce MATLAB yazılımında görüntü işleme yapılmış ve iplerin oluşturulması gerçekleştirilmiştir. Daha sonra oluşturulan iş parçacıkları, dağıtılmış bilgisayar sistemi ağındaki bilgisayarların işlemcilerinde eşzamanlı olarak işlendi. Dağıtılmış bilgisayar sistemi mimarisinde iş parçacıkları işlenerek, görüntü dosyaları yüz ifadesi tahmini için sınıflandırılır. İşlem çıktıları ve iş parçacıkları için dosya sınıflandırma etiketleri, ikinci veri tabanına çıktı olarak yazdırılır. Büyük veri analizi, yüksek performanslı bilgi işlem sistemleri kullanılarak yapılabilir. Bu tür sistemler maliyetlidir ve kurulu sistem sayısı düşüktür. Bu çalışma ile büyük veri analitiği için dağıtık bilgisayar sistemi mimarisi oluşturulmuştur. Veri tabanları ve paralel programlama kullanılarak yüksek performanslı bilgi işlem sistemi mimarisi gerçekleştirilmiştir. Veritabanındaki görüntü dosyaları, oluşturulan yüksek performanslı bilgi işlem sistemi mimarisinde iş parçacıkları olarak sınıflandırılır ve işlenir. Oluşturulan sistemin maliyeti düşük ve işlem hızı yüksektir. Dağıtılmış bilgisayar sistemi mimarisi ile büyük veri analitiği rahat ve uygulanabilir hale getirildi.

Anahtar Kelimeler

Dağıtık bilgisayar sistemi mimarisi, Paralel programlama, Yüksek performans hesaplama sistemi

Kaynakça

• [1] Shikha Yadav, Preeti Dhanda and Nisha Yadav (2013). High Performance Computing through Parallel and Distributed Processing. Journal Of Harmonized Research in Engineering 1(2), 54-64.
• [2] Ashley Cliff, Jonathon Romero, David Kainer, Angelica Walker, Anna Furches and Daniel Jacobson (2019). Article A High-Performance Computing Implementation of Iterative Random Forest for the Creation of Predictive Expression Networks. Genes, 10, 996; doi:10.3390/genes10120996.
• [3] S. Vahini Ezhilraman and Sujatha Srinivasan (2018). State of the art in image processing & big data analytics: issues and challenges. International Journal of Engineering & Technology, Volume 7, Pages 195-199.
• [4] Aurelle Tchagna Kouanou, Daniel Tchiotsop, Romanic Kengne, Djoufack Tansaa Zephirin, Ngo Mouelas Adele Armele and René Tchinda (2018). An optimal big data workflow for biomedical image analysis. Informatics in Medicine Unlocked. Volume 11, Pages 68-74.
• [5] Paweł Czarnul, Jerzy Proficz and Krzysztof Drypczewski (2020). Survey of Methodologies, Approaches, and Challenges in Parallel Programming Using High-Performance Computing Systems. Scientific Programming. Volume 2020, Article ID 4176794, 19 pageshttps://doi.org/10.1155/2020/4176794.
• [6] George Hager and Gerhard Wellein (2011). Introduction to High Performance Computing for Scientists and Engineers. Chapman & Hall/CRC Computational Science Series. 349 pages.
• [7] Miles J. Murdocca and Vincent P. Heuring (1999). Prıncıples Of Computer Archıtecture. Prentice Hall. 654 pages.
• [8] Peter L Dordal (2020). An Introduction to Computer Networks Release 1.9.21. http://intronetworks.cs.luc.edu/current/ComputerNetworks.pdf, 896 pages.
• [9] George Coulouris, Jean Dollimore, Tim Kindberg and Gordon Blair (2012). Distributed Systems: Concepts and Design Fifth Edition. Addison-Wesley. 1067 pages.
• [10] Julia Lerman (2009). Programming Entity Framework. O'Reilly Media, Inc. 731 pages.
• [11] Jason C Hung, Neil Y. Yen and Kuan-Ching Li (2016). Frontier Computing: Theory, Technologies and Applications. Springer (Lecture Notes in Electrical Engineering), 1252 pages.
• [12] Pinaki Pratim Acharjya, Ritaban Das and Dibyendu Ghoshal (2012). Study and Comparison of Different Edge Detectors for Image Segmentation. Global Journal of Computer Science and Technology Graphics & Vision Volume 12 Issue 13 Version 1.0 Online ISSN: 0975-4172 & Print ISSN: 0975-4350.
• [13] G.T. Shrivakshan and C. Chandrasekar (2012). A Comparison of various Edge Detection Techniques used in Image Processing. IJCSI International Journal of Computer Science Issues, Vol. 9, Issue 5, No 1, September 2012 ISSN (Online): 1694-0814 www.IJCSI.org.
• [14] Nika Tsankashvili (2018). Comparing Edge Detection Methods. https://medium.com/@nikatsanka/comparing-edge-detection-methods-638a2919476e.