Advertisement

Informatik-Spektrum

, Volume 33, Issue 5, pp 468–474 | Cite as

Algorithmische Grundlagen verteilter Speichersysteme

  • Friedhelm Meyer auf der Heide
  • Christian Scheideler
HAUPTBEITRAG ALGORITHMISCHE GRUNDLAGEN

Zusammenfassung

Die Verwaltung von und der effiziente Zugriff auf Daten aus einer riesigen Datenmenge führen klassische Speichersysteme wegen ihrer beschränkten Kapazität und I/O-Fähigkeit an ihre Grenzen. Einen Ausweg zeigen verteilte Speichersysteme wie z. B. Storage Area Networks (SANs) auf. Solche Systeme bestehen aus vielen, durchaus auch unterschiedlichen, über ein Netzwerk verbundenen Speichersystemen und sind bei wachsenden Datenmengen erweiterbar. Bei der Entwicklung solcher Systeme stellen sich interessante algorithmische Fragen: Wie werden die Daten im verteilten Speichersystem so verteilt, dass die Speicher gleichmäßig ausgelastet werden, und zwar sowohl bezüglich der Menge der zu verwaltenden Daten als auch hinsichtlich der Anfragen? Wie sehen derartige Verteilungen bei Speichern sehr unterschiedlicher Kapazität aus? Wie kann sich die Datenverteilung an Veränderungen des Systems, etwa das Einfügen oder Entfernen von Speichern, anpassen? Wie kann sich das Netzwerk an die Veränderung des Systems anpassen? In diesem Artikel geben wir einen Überblick über einige Aspekte der algorithmischen Forschung über verteilte Speichersysteme.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. 1.
    Azar Y, Broder A, Karlin A, Upfal E (1994) Balanced allocation. In: Proc of the 26th ACM Symp on Theory of Computing (STOC), pp 593–602Google Scholar
  2. 2.
    Brinkmann A, Effert S, Meyer auf der Heide F, Scheideler C (2007) Dynamic and redundant data placement. In: IEEE International Conference on Distributed Computing Systems (ICDCS), pp 29–38Google Scholar
  3. 3.
    Brinkmann A, Salzwedel K, Scheideler C (2000) Efficient, distributed data placement strategies for storage area networks. In: Proc of the 12th ACM Symp on Parallel Algorithms and Architectures (SPAA), pp 119–128Google Scholar
  4. 4.
    Brinkmann A, Salzwedel K, Scheideler C (2002) Compact, adaptive placement schemes for non-uniform capacities. In: Proc of the 14th ACM Symp on Parallel Algorithms and Architectures (SPAA), pp 53–62Google Scholar
  5. 5.
    Carter J, Wegman M (1979) Universal classes of hash functions. J Comput Sys Sci 18(2):143–154zbMATHCrossRefMathSciNetGoogle Scholar
  6. 6.
    Czumaj A, Riley C, Scheideler C (2004) Perfectly balanced allocation. In: 7th Int Workshop on Randomization and Approximation Techniques in Computer Science (RANDOM), pp 240–251Google Scholar
  7. 7.
    Dietzfelbinger M, Meyer auf der Heide F (1993) Simple, efficient shared memory simulations. In: Proc of the 5th ACM Symp on Parallel Algorithms and Architectures (SPAA), pp 110–119Google Scholar
  8. 8.
    Karger D, Lehman E, Leighton T, Levine M, Lewin D, Panigrahy R (1997) Consistent hashing and random trees: distributed caching protocols for relieving hot spots on the World Wide Web. In: Proc of the 29th ACM Symp on Theory of Computing (STOC), pp 654–663Google Scholar
  9. 9.
    Karp R, Luby M, Meyer auf der Heide F (1992) Efficient PRAM simulation on a distributed memory machine. In: Proc of the 24th ACM Symp on Theory of Computing (STOC), pp 318–326Google Scholar
  10. 10.
    McDiarmid C (1998) Concentration. In: Habib M, McDiarmid C, Ramirez-Alfonsin J, Reed B (eds) Probabilistic Methods for Algorithmic Discrete Mathematics. Springer, Berlin, pp 195–247Google Scholar
  11. 11.
    Mense M, Scheideler C (2008) SPREAD: an adaptive scheme for redundant and fair storage in dynamic heterogeneous storage systems. In: Proc of the 19th ACM/SIAM Symp on Discrete Algorithms (SODA), pp 1135–1144Google Scholar
  12. 12.
    Meyer auf der Heide F, Scheideler C, Stemann V (1995) Exploiting storage redundancy to speed up randomized shared memory simulations. In: Proc of the 12th Symp on Theoretical Aspects of Computer Science (STACS), pp 267–278Google Scholar
  13. 13.
    Naor M, Wieder U (2003) Novel architectures for P2P applications: the continuous-discrete approach. In: Proc of the 15th ACM Symp on Parallel Algorithms and Architectures (SPAA), pp 50–59Google Scholar
  14. 14.
    Steger A, Berenbrink P, Czumaj A, Vöcking B (2000) Balanced allocations: The heavily loaded case. In: Proc of the 32nd ACM Symp on Theory of Computing (STOC), pp 745–754Google Scholar
  15. 15.
    Schindelhauer C, Schomaker G (2005) Weighted distributed hash tables. In: Proc of the 17th ACM Symp on Parallel Algorithms and Architectures (SPAA), pp 218–227Google Scholar
  16. 16.
    Stoica I, Morris R, Karger D, Kaashoek F, Balakrishnan H (2001) Chord: a scalable peer-to-peer lookup service for Internet applications. In: Proc of the SIGCOMM ’01, pp 149–160Google Scholar

Copyright information

© Springer-Verlag 2010

Authors and Affiliations

  • Friedhelm Meyer auf der Heide
    • 1
  • Christian Scheideler
    • 2
  1. 1.Heinz Nixdorf Institut und Institut für InformatikUniversität PaderbornPaderbornDeutschland
  2. 2.Institut für InformatikUniversität PaderbornPaderbornDeutschland

Personalised recommendations