Load balancing by using machine learning in CPU-GPU heterogeneous database management system
Is this your thesis?
This record came from a bulk archive import. If it’s yours, link it to your profile.
Abstract (TR)
Klasik OLTP sistemleri analiz sorguları için performans olarak yavaş kalmaktadır. Var olan heterojen mimarili OLAP veri tabanı yönetim sistemlerinde ise makine öğrenmesi kullanarak is dağıtımı yapan bir sisteme rastlanmamıştır. Bu çalışmada paylaşımlı hafıza mimarileri için geliştirilmiş, yüksek başarımlı ve sütun tabanlı bir veri tabanı yönetim sistemi olan DOLAP mimarisi anlatılmıştır. Ayrıca, veri tabanının üzerinde çalıştığı sunucu üzerinde bulunan, CPU ve GPU gibi farklı karakterlerdeki hesaplama donanımları için, buluşsal yöntemlere ve makine öğrenmesi yöntemlerine dayanan is dağıtım algoritmaları geliştirilmiş ve performansları analiz edilmiştir.
Author
Anıl Elakaş
Institution
How to Cite
Anıl Elakaş (Yüksek Lisans Tezi). Load balancing by using machine learning in CPU-GPU heterogeneous database management system, 2020, Sabancı University.
Keywords
License
Tüm Hakları Saklıdır
This work is shared under the specified license terms.
More theses from Sabancı University
- Internal party democracy in Turkey: Theory, prospect and problems(2019)
- Bride: Comes with a price / a visual narrative of bride exchange and child marriage(2019)
- Populism, failures, and a sense of crisis(2019)
- Ways of seeing: Nev'izâde Atâ'i's Alemnümâ and changes in the visual perception of Ottoman society in the early Seventeenth century(2020)
- Who's There? staging the silenced pasts in contemporary theater in Turkey: Kim Var Orada? Muhsin Bey'in Son Hamleti(2020)
- Two worlds meeting in one neighborhood: Receiving society members-Afghan workers relations in Yenimahalle, İstanbul(2019)