Verteilte Auswertung von RDF-Graphen mit MapReduce und ...
Verteilte Auswertung von RDF-Graphen mit MapReduce und ...
Verteilte Auswertung von RDF-Graphen mit MapReduce und ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
5.2 Laufzeiten <strong>und</strong> Beobachtungen<br />
00:03:36<br />
00:02:53<br />
Zeit in hh:mm:ss<br />
00:02:10<br />
00:01:26<br />
00:00:43<br />
00:00:00<br />
0 10 20 30 40 50 60<br />
<strong>RDF</strong>-Tripel (in Millionen)<br />
Abbildung 5.4: <strong>Auswertung</strong> der Anfrage Q10<br />
5.2.5 Einfluss des Konsistenzgrads<br />
Nachdem unterschiedliche Datensatzgrößen betrachtet wurden, wurden unterschiedliche<br />
Konsistenzgrade bei den Anfragen betrachtet. Der Hector Client geht standardmäßig<br />
zum Lesen vom Konsistenzgrad „QUORUM“ aus. Für den größten Datensatz<br />
(50M ) wurden die ersten drei Anfragen <strong>mit</strong> den Konsistenzgraden „ONE“<br />
<strong>und</strong> „ALL“ wiederholt. Die gemessenen Laufzeiten, in Tabelle Tab. 5.5 aufgeführt,<br />
weisen nur geringe Änderungen auf, die vernachlässigt werden können, da sie auf<br />
Schwankungen der Auslastung des Clusters zurückzuführen sind. Folglich scheint<br />
eine Änderung des Konsistenzgrads bei den gewählten Anfragen keinen Einfluss auf<br />
die Laufzeit zu haben.<br />
50M ONE QUORUM ALL<br />
Q1 00:02:05 00:02:05 00:02:04<br />
Q2 01:41:58 01:48:42 01:40:37<br />
Q3A 00:03:48 00:03:31 00:03:51<br />
Tabelle 5.5: Anfragen <strong>mit</strong> unterschiedlichem Konsistenzgrad<br />
39