KLEE: A Framework for Distributed top-k Query Algorithms
|
|
- Ευγένεια Αλεβίζος
- 6 χρόνια πριν
- Προβολές:
Transcript
1 KLEE: A Framework for Distributed top-k Query Algorithms Sebastian Michel Peter Triantafillou Gerhard Weikum VLDB 2005
2 Αντικείμενο της εργασίας Η εργασία αναφέρεται στο πρόβλημα των top-k queries που αφορούν δεδομένα τα οποία είναι κατανεμημένα σε πολλούς κόμβους Για τον υπολογισμό του κόστους συνυπολογίζονται ο λανθάνων χρόνος του δικτύου, η κατανάλωση εύρους ζώνης και ο φόρτος κάθε κόμβου. Παρουσιάζεται ο KLEE ένας νέος αλγόριθμος για κατανεμημένες επερωτήσεις, σχεδιασμένος για υψηλή απόδοση και ευελιξία. top-k 2
3 KLEE (1) Κέρδος σε αποδοτικότητα εάν επιτρέπουμε μικρά λάθη στην «ποιότητα» των αποτελεσμάτων. Ο κόμβος αρχικοποίησης της επερώτησης έχει τη δυνατότητα για trade-off ποιότητα των αποτελεσμάτων vs. απόδοσης βημάτων εκτέλεσης vs. απόδοσης του εύρους ζώνης του δικτύου Υλοποιήθηκε ο αλγόριθμος καθώς και άλλοι της ίδιας κατηγορίας και εφαρμόστηκαν σε πραγματικά και συνθετικά δεδομένα ώστε να γίνει αξιολόγηση του αλγόριθμου. 3
4 KLEE (2) Τα αποτελέσματα δείχνουν ότι ο KLEE επιτυγχάνει σημαντικά κέρδη σε απόδοση σε σχέση με το εύρος ζώνης, το χρόνο απόκρισης στις επερωτήσεις και λιγότερο φόρτο στους κόμβους Όλα με μικρό κόστος στην ακρίβεια και σε άλλα ποιοτικά μέτρα (εκτίμησης της ποιότητας). 4
5 Top-K (1) αναζήτηση ομοιότητας σε δεδομένα πολυμέσων ταξινομημένη ανάκτηση σε έγγραφα κειμένου και σε ημιδομημένα έγγραφα network and stream monitoring, προτάσεις για παρόμοια είδη και αναζήτηση σε καταλόγους ηλεκτρονικού εμπορίου και γενικά σε ταξινόμηση αποτελεσμάτων σε SQL-style επερωτήσεις σε δομημένες πηγές δεδομένων. 5
6 Top-K (2) Όσον αφορά την απόδοση, οι πιο επιτυχημένες προσεγγίσεις βασίζονται σε αλγορίθμους κατωφλίου(ta). Η περιοχή αυτή έχει κατανοηθεί σε μεγάλο βαθμό όσον αφορά δεδομένα σε ένα κόμβο αλλά είναι σε πρώιμο στάδιο για κατανεμημένα συστήματα όπως π.χ. για peerto-peer. Μία εξαίρετη εφαρμογή θα ήταν η υλοποίηση μιας κατανεμημένης μηχανής αναζήτησης. 6
7 Υποθέσεις Θεωρούμε ότι οι index list είναι κατανεμημένες στους κόμβους Διακρίνουμε δυο περιπτώσεις για το κόστος επικοινωνίας: Λανθάνων χρόνος από τους γύρους μηνυμάτων Κατανάλωση εύρους ζώνης από την ανταλλαγή δεδομένων μεταξύ των κόμβων Τέλος έχουμε σειριακή και όχι τυχαία προσπέλαση στις index lists ώστε να περιοριστούν τα τοπικά κόστη επεξεργασίας στους κόμβους 7
8 Καθορισμός Προβλήματος (1) Κατανεμημένο σύστημα N κόμβους P i, i=1...n συνδεδεμένοι π.χ. με έναν πίνακα κατακερματισμού Data items Documents (web) Structured (περιγραφείς ταινιών) Κάθε data item είναι συνδεδεμένο με ένα σύνολο από Descriptors Text terms Attribute values 8
9 Καθορισμός Προβλήματος (2) Η inverted index list ενός descriptor είναι η λίστα των data items στα οποία ο descriptor εμφανίζεται ταξινομημένη σε φθίνουσα σειρά των scores. Αυτές οι index lists είναι η granularity κατανομή του κατανεμημένου συστήματος Κάθε κόμβος έχει αποθηκευμένη μια index list I j (t) για έναν όρο t. Αποτελείται από ζευγάρια (docid,score) όπου το score ε(0,1] και δείχνει το πόσο σημαντικό είναι το έγγραφο docid για τον όρο t. 9
10 Καθορισμός Προβλήματος (3) Ένα ερώτημα q(t, k) αποτελείται από το μη κενό σύνολο T={t 1, t 2, t t } και έναν ακέραιο k. Έστω m οι κόμβοι που περιέχουν τις πιο σχετικές index lists με m t. P init είναι ο κόμβος που αρχικοποιεί την ερώτηση TotalScore είναι μια μονοτονική συνάρτηση των επιμέρους score. Χρησιμοποιούμε την άθροιση. Στόχος μας είναι να επινοήσουμε αποδοτικές μεθόδους ώστε η P init να προσπελαύνει τις m λίστες και να δημιουργεί το αποτέλεσμα για τα top-k έγγραφα. Το αποτέλεσμα είναι η διατεταγμένη λίστα (docid, TotalScore) 10
11 Προσέγγιση Λύσης (1) Συγκέντρωση των m λιστών στον αρχικό κόμβο Εκτέλεση μιας κεντρική TA-style μεθόδου. Για ένα peer-to-peer σύστημα είναι μη αποδεκτή γιατί γίνεται σπατάλη του εύρους ζώνης κατά την μεταφορά των λιστών στο P init. 11
12 Προσέγγιση Λύσης (2) Εκτέλεση ενός TA στον P init και κάθε φορά να προσπελαύνουμε ένα entry από τον κόμβο που είναι αποθηκευμένος Και αυτό είναι μη αποδεκτό καθώς έχουμε πολλά μικρά μηνύματα στο δίκτυο και χρειαζόμαστε τόσους γύρους μηνυμάτων όσο και το μέγιστο μέγεθος μεταξύ των λιστών. 12
13 Προσέγγιση Λύσης (3) [CW04]: ένας αποδοτικός κατανεμημένος top-k αλγόριθμος σε σχέση με το δίκτυο θα πρέπει να τερματίζει σε ένα μικρό, fixed, αριθμό βημάτων Ιδανικά έχουμε σταθερό αριθμό βημάτων (αποδεκτός λανθάνων χρόνος ) απαιτεί από τους συνεργαζόμενους κόμβους να στέλνουν το δυνατόν λιγότερη (μικρή κατανάλωση εύρους ζώνης) Σε κάθε βήμα ο P init μαζεύει πληροφορίες από τις index lists των κόμβων και προσπαθεί με έξυπνο τρόπο να καταλάβει εάν έχει την απαραίτητη πληροφορία ώστε να εκτιμήσει το αποτέλεσμα με υψηλή ποιότητα και να τερματίσει την διαδικασία 13
14 Προσέγγιση Λύσης (3) Υπάρχουν δύο προβλήματα missing scores: τα id των document περιλαμβάνονται στις αναφορές κάποιων κόμβων και όχι σε άλλων. Αυτό κάνει πολύπλοκο τον υπολογισμό του TotalScore Αποτέλεσμα: δεν μπορούμε να κάνουμε prune νωρίς υποψήφια top-k ή να παράγουμε μια καλή εκτίμηση του topk. missing documents: ο συντονιστής δεν έχει πλήρη εικόνα των document. Είναι δύσκολο για τον συντονιστή να μάθει γιαέγγραφατοοποίαείναιχαμηλάστιςλίστεςγιακάθεόρο αλλά συνολικά το άθροισμα να το κάνει ένα καλό υποψήφιο για το top-k. 14
15 TA-sorted (1) Ο KLEE βασίζεται στην παραλλαγή TA-sorted Επεξεργάζεται τις entries ( docid,score) στις σχετικές λίστες με φθίνουσα σειρά για τα score Χρησιμοποιεί round robin και Κάνει μόνο σειριακή αναζήτηση (sequential access) στις λίστες. Ο TA-sorted κρατάει μια ουρά από υποψήφια για top-k και τα μέχρι στιγμής αποτελέσματα στη μνήμη. 15
16 TA-sorted (2) Ο αλγόριθμος κρατάει ανά πάσα στιγμή μαζί με τα document d το worstscore και το bestscore. worstscore: είναι το άθροισμα των score για κάθε λίστα πουέχειεμφανιστείτοd bestscore: το worstscore προσαυξημένο με τις τιμές που έχουν τα τελευταία documents στις λίστες στις οποίες δεν υπάρχει το d (high(i) για την i λίστα) και είναι άνω όρια για τις τιμές που δεν έχουμε ακόμα επισκεφθεί. current top-k: είναι το σύνολο με τα k documents που έχουν το καλύτερο worstscore 16
17 TA-sorted (3) topkscore είναι το ελάχιστο μεταξύ των k documents Εάν για ένα υποψήφιο ισχύει bestscore<topkscore τότε το d παύει να είναι υποψήφιο Ο αλγόριθμος τερματίζει όταν η λίστα υποψηφίων είναι άδεια [TES04]: μπορούμε να αντικαταστήσουμε τα high(i) με ποσότητες από τις ουρές των λιστών. Ένα document παύει να είναι υποψήφιο όταν όπου S(i) είναι τυχαίες μεταβλητές για τα άγνωστα score 17
18 Προηγούμενες Εργασίες (1) Ο πρώτος TA-style κατανεμημένος αλγόριθμος παρουσιάστηκε στο [BGM02,MGB04] Αφορά σε top-k επερωτήσεις για δεδομένα στο διαδίκτυο για recommendation services (e.g. Restaurants, street finders) Η προσέγγιση χρησιμοποιεί έναν υβριδικό αλγόριθμο που επιτρέπει sorted και τυχαία προσπέλαση αλλά προσπαθεί να αποφύγει τον δεύτερο τύπο. Στο [CΗ02] χρησιμοποιείται κάτι παρόμοιο Καμία από αυτές τις εργασίες δεν είναι σχετικές με την συγκεκριμένη εργασία γιατί έχουμε αόριστο αριθμό γύρων μηνυμάτων 18
19 Προηγούμενες Εργασίες (2) Ο [Su03] είναι για δυο κόμβους αλλά δεν λέει πως γενικεύεται σε περισσότερους. Η γενική ιδέα είναι οι 2 συνεργάτες να επικοινωνούν άμεσα και όχι μέσω ενός συντονιστή. Ο [Ba05] προτείνει έναν αλγόριθμο για βελτιστοποίηση του κόστους επικοινωνίας για P2P συστήματα. Όμως δίνει έμφαση σε συγκεκριμένες τοπολογίες δικτύων και συγκεκριμένα σε μια υπέρ-κυβική. Ο πιο κοντινός στην φιλοσοφία του paper είναι ο TPUT που προτάθηκε από το [CW04] 19
20 Προηγούμενες Εργασίες (3) Ο TPUT έχει τρία βήματα Παίρνει τα top-k (docid,score) από κάθε συνεργαζόμενο κόμβο και υπολογίζει τα topkscore βάζοντας μηδέν σε όποια score λείπουν. Ζητάει από κάθε κόμβο να το επιστρέψουν τις entries όπου ισχύει και υπολογίζει μια καλύτερη προσέγγιση του top-k και αποκλείει υποψήφια τον οποίον το bestscore<topkscore Υπολογίζει τα score που του λείπουν ζητώντας από τους κόμβους να κάνουν random access. 20
21 KLEE Η προτεινόμενη προσέγγιση βασίζεται στο να έχουμε έναν συντονιστή για κάθε επερώτηση και μια ομάδα από κόμβους ΟσυντονιστήςείναιοP init ενώ η ομάδα είναι οι κόμβοι που έχουν τις απαραίτητες λίστες Ο αλγόριθμος λειτουργεί με φάσεις επικοινωνίας Σε κάθε φάση ο συντονιστής ζητά και λαμβάνει ένα τμήμα τις λίστας που έχει κάθε κόμβος ώστε να τρέξει έναν αλγόριθμο για top-k βασισμένο στα δεδομένα που έχει λάβει. 21
22 HistogramBlooms Structure (1) Κάθε κόμβος διατηρεί ένα σύνολο από στατιστικά μετάδεδομέναγιαναπεριγράψειτηνλίστατου Συγκεκριμένα κρατείτε πληροφορία σε μορφή ιστογράμματος για να περιγραφεί η κατανομή του score στην λίστα. Το score ε(0,1] Θεωρούμε ότι τα ιστογράμματα έχουν ίσο πλάτος και είναι χωρισμένα σε n κελιά. Κάθε κελί είναι υπεύθυνο για το 1/n του εύρους του score 22
23 HistogramBlooms Structure (2) Για κάθε κελί ο κόμβος διατηρεί την εξής πληροφορία: Την άνω και κάτω τιμή, ub[i] και lb[i], που καλύπτει το κελί freq[i] που είναι ο αριθμός των document που πέφτουν στο κελί avg[i], που είναι το μέσο score των document στο κελί filter[i] που αναπαριστά τα document που βρίσκονται στο κελί. Για την υλοποίησή του χρησιμοποιούμε Bloom filters. 23
24 Χρήση HistogramBlooms Structure (1) Στην πρώτη φάση κάθε κόμβος δίνει στον συντονιστή την τοπική top-k λίστα και ένα μέρος του Bloom filter του. missing scores: ο συντονιστής βρίσκει μέσω του Bloom filter σε ποιο κελί ανήκει το docid, έστω c, και το αντικαθιστά με το avg[c]. missing document: αφού έχει λυθεί το προηγούμενο, τότε υπολογίζει μια πρώτη εκτίμηση του topkscore. Κάθε κόμβος στέλνει στον συντονιστή μία λίστα με τα υποψήφια του τα οποία έχουν 24
25 Χρήση HistogramBlooms Structure (2) Τώρα ο συντονιστής μπορεί να υπολογίσει μια υψηλότερου επιπέδου top-k λύση Διαισθητικά, με αυτόν τον τρόπο χρησιμοποιώντας τα HistogramBlooms ο συντονιστής συγκεντρώνει αρκετή πληροφορία σε βάθος λιστών ώστε να μην χρειάζεται να σπαταλήσουμε μεγάλο εύρος ζώνης 25
26 Candidate List Filters Matrix Structure (1) Επιστρέφοντας στο πρόβλημα των missing document παίρνοντας τις μέσες τιμές προκύπτουν δύο προβλήματα: Εάν λείπουν πολλά document τότε θα έχουμε μια προσέγγιση χαμηλής ποιότητας. Εάν το m είναι μεγάλο τότε θα έχουμε μικρό topkscore/m και θα επιστραφούν πολλά υποψήφια και θα σπαταλήσουμε το εύρος ζώνης. Για αυτό μερικές φορές εκτελούμε ένα ακόμα βήμα στο οποίο κάνουμε σμίκρυνση της λίστας των υποψηφίων 26
27 Candidate List Filters Matrix Structure (2) Η γενική ιδέα είναι να βρούμε τα documents που βρίσκονται σε πιο πολλές από τις λίστες και να στείλουμε μόνο αυτά. Αυτά έχουν μεγαλύτερη πιθανότητα να έχουν totalscore>topkscore Σε αυτή τη φάση κάθε κόμβος βρίσκει τα περιεχόμενα της λίστας των υποψηφίων Στη συνέχεια φτιάχνει ένα διάνυσμα bitmap τέτοιο ώστε σε κάθε bit μέσω μιας hash function να έχει αντιστοιχηθεί το κατάλληλο document. Αυτό λέγεται Candidate List Filter ή CLF. 27
28 Candidate List Filters Matrix Structure (3) Ο συντονιστής από την πρώτη φάση γνωρίζει για κάθε κόμβο πόσα document έχουν και στέλνει σε κάθε κόμβο τον μέγιστο αυτόν των αριθμών, έστω b ώστε όλα τα CLF να δημιουργηθούν με το ίδιο μέγεθος b. Τελικά ο συντονιστής λαμβάνει από κάθε κόμβο τα CLF και δημιουργεί ένα συγκεντρωτικό πίνακα μεγέθους m b Ηγραμμήi αντιστοιχεί στον κόμβο i 28
29 Χρήση CLF Matrix Ο CLF Matrix από κατασκευής του δείχνει σε κάθε στήλη πόσα document είναι κοινά υποψήφια σε κάθε λίστα Έτσι επιλέγουμε ένα κατώφλι για την εμφάνιση των document, το οποίο να είναι στην πλειοψηφία των document, και ζητάμε μόνο αυτά Στην όλη διαδικασία πρέπει να εξετάσουμε τα εξής: Να συγκεντρώσουμε την απαραίτητη πληροφορία με χαμηλό κόστος σε εύρος ζώνης Να αποφύγουμε μεγάλο φιλτράρισμα των υποψηφίων για να έχουμε μια καλή ποιότητα δεδομένων και Να μπορούμε να προβλέψουμε εάν χρειάζεται το CLF προτού το φτιάξουμε και το χρησιμοποιήσουμε 29
30 Προετοιμασία κόμβων Κάθε κόμβος δημιουργεί τα HistogramBlooms του, δεδομένης της index list. Αυτό περιλαμβάνει τόσο την δημιουργία των δεδομένων που σχετίζονται με το ιστόγραμμα όσο και τα filter του κάθε κόμβου Για τα filter, δημιουργούμε ένα σύνολο cell-docid-set, για κάθε κόμβο και μέσω αυτού τα Bloom filter Όλοι οι κόμβοι χρησιμοποιούν τις ίδιες hush function Αναμένουμε να έχουμε διαφορετικό μέγεθος κελιών για κάθε κόμβο Επειδή αυτό είναι χρονοβόρο, μπορούμε να τα υπολογίσουμε αρχικά και στην συνέχεια να τα αποθηκεύσουμε τοπικά 30
31 KLEE Ο αλγόριθμος εκτελείται σε τέσσερα βήματα: 1.Εξερεύνηση: στο βήμα αυτό ο συντονιστής επικοινωνεί με τους m κόμβους με σκοπό να υπολογίσει μια καλή εκτίμηση του topkscore, το οποίο με τη σειρά του «δημιουργεί» τις λίστες των υποψηφίων 2.Βελτιστοποίηση: το βήμα αυτό εκτελείται τοπικά στον συντονιστή ώστε να αποφασίσει εάν χρειάζεται ή όχι η εμπλοκή των CLF 31
32 KLEE 3.Αποκοπή υποψηφίων: στο βήμα αυτό, το οποίο εκτελείτε ανάλογα του αποτελέσματος του βήματος 2, έχουμε τον επαναϋπολογισμό των υποψηφίων τα οποία είναι τα documents με ικανό αριθμό 1 στα αντίστοιχα bits στον CLF Matrix 4.Ανάκτηση υποψηφίων: είναι το τελικό βήμα στο οποίο ο συντονιστής παίρνει τις λίστες των υποψηφίων και υπολογίζει το τελικό αποτέλεσμα Να σημειωθεί ότι το δεύτερο βήμα γίνεται trade-off μεταξύ του εύρους ζώνης και του αριθμού των φάσεων επικοινωνίας. Γίνεται μια πρόβλεψη για το επικείμενο κέρδος και γίνεται η απόφαση με βάση την μετρική που χρησιμοποιούμε. 32
33 Εξερεύνηση (1) Στο πρώτο βήμα ο συντονιστής στέλνει ένα request με βάση την αρχική επερώτηση. Οι κόμβοι απαντούν ως εξής: Στέλνουν την top-k λίστα Για κάθε κελί από αυτά που ανήκουν στα high-end, δηλαδή αυτά που έχουν τα documents με τα πιο μεγάλα score στέλνουν το ιστόγραμμα(ub[i], lb[i], freq[i], avg[i] and filter[i]) i=1 c Για τα υπόλοιπα n-c το avg[i] και το freg[i] 33
34 Εξερεύνηση (2) Ο συντονιστής υπολογίζει την top-k λίστα ως εξής: Όταν το docid i λείπει για από κάποια λίστα I j, τότε ψάξε στα filter[r],r=1 c εάν υπάρχει το docid i. Ηαναζήτηση σταματάει όταν βρεθεί το document ή όταν εξαντληθούν όλα τα φίλτρα. Εάν βρεθεί, έστω στο filter[k], τότε χρησιμοποιούμε το avg[k] για να συμπληρώσουμε την τιμή που λείπει Διαφορετικά χρησιμοποιούμε τον μέσο όρο με βάρη από τα freq[i], avg[i] i=c+1 n για να υπολογίσουμε την τιμή Η διαδικασία εκτελείται για όλα το docid που λείπουν και για όλους τους κόμβους. 34
35 Εξερεύνηση (3) Αφού συμπληρώσουμε όλα τα score που λείπουν τότε υπολογίζουμε μια εκτίμηση τις top-k λίστας και το topkscore. Αυτόματα έχουμε και τις λίστες των υποψηφίων που είναι όσα έχουν 35
36 Βελτιστοποίηση (1) Είναι το δεύτερο βήμα του αλγόριθμου και εκτελείται τοπικά στον συντονιστή Ο ρόλος του είναι να υπολογίσει τα αναμενόμενα οφέλη στο εύρος ζώνης εάν εμπλέξουμε την φάση μείωσης των υποψηφίων Έστω d το μέσο μήκος των υποψηφίων λιστών των κόμβων Ηπιθανότηταέναbit ενός κόμβου να είναι 1 είναι P i = 1/lf όπου lf είναι ο load factor του Bloom filter του κόμβου i lf =b/d όπου b το CLF του κόμβου 36
37 Βελτιστοποίηση (2) ΗπιθανότηταμίαστήληναέχειR bit 1 δίνεται από την διωνυμική κατανομή: Το κόστος σε εύρος ζώνης χωρίς CLF είναι: Το κόστος σε εύρος ζώνης με CLF είναι τα άθροισμα να στείλουμε τα CLF, C 1, και τα τελικά ζευγάρια (docid, score), C 2 37
38 Βελτιστοποίηση (3) Για το C 1 : Για το C 2 : Αφού P r η πιθανότητα το bit να ανήκει σε στήλη με R bits 1 b το μήκος του CLF κάθε κόμβου και m το σύνολο των κόμβων 38
39 Βελτιστοποίηση (4) Βλέπουμε ότι τα κόστη στις δύο περιπτώσεις διαφέρουν κατά παράγοντα P r Άρα το P r καθορίζει το εάν θα έχουμε 3 ή 4 βήματα Τα πραγματικά κόστη πρέπει να πολλαπλασιαστούν με τον μέσο αριθμό των bytes που χρειάζονται για κάθε ζευγάρι (docid, score) Τέλος πρέπει να προσθέσουμε και το C 1 39
40 Αποκοπή υποψηφίων (1) Αυτό το βήμα εκτελείται εάν κριθεί απαραίτητο από το προηγούμενο βήμα Αφορά την κατασκευή και χρήση των CLF καθώς και την βελτίωση των αποτελεσμάτων και την αντιμετώπιση του missing documents Εκτελείται σε 5 φάσεις: 1.Ο συντονιστής επαναπροσδιορίζει της λίστες υποψηφίων ως τα documents τα οποία δεν έχει στείλει ο κόμβος στον συντονιστή και έχουν score που είναι μεγαλύτερο από το ελάχιστο score τουκελιούμετιμήtopkscore/m 40
41 Αποκοπή υποψηφίων (2) 2.Ο συντονιστής υπολογίζει το μέγεθος τις λίστας υποψηφίων για κάθε κόμβο, βασιζόμενος στις πληροφορίες από το πρώτο βήμα, και το μέγιστο τους το max_size_candidate_list. Στη συνέχεια α.ο συντονιστής στέλνει σε κάθε κόμβο την λίστα υποψηφίων και το max_size_candidate_list. β. Κάθε κόμβος στέλνει: i.το CLF. Για τον υπολογισμό χρησιμοποιεί μια hash function και μέγεθος bitmap b=lf* max_size_candidate_list με lf αρκετά μεγάλο ώστε να έχουμε μικρή πιθανότητα για false positive ii. Τα αληθινά score για τα document στο top-k 41
42 Αποκοπή υποψηφίων (3) 3.Ο συντονιστής κατασκευάζει τον CLF Matrix όπως αναφέρθηκε προηγουμένως 4. Επισημαίνονται οι ενδιαφέρουσες στήλες (R bits 1) 5. Τέλος ο συντονιστής υπολογίζει το σύνολο τον υποψηφίων που αποτελείται από τα documents τα οποία είναι υποσύνολο της αρχικής λίστας υποψηφίων και τα docid s κάνουν hash στις ενδιαφέρουσες στήλες του CLF για τον κόμβο i Πιθανό πρόβλημα: η αντιστοίχηση 2 document ίδιο bit (false positive) και αποστολή περισσότερης πληροφορίας στον συντονιστή 42
43 Ανάκτηση υποψηφίων Είναιτοτελικόβήμα Ο συντονιστής ζητάει από τους κόμβους να του στείλουν τα υποψήφια docid s όπως καθορίστηκαν στο βήμα 1 ή στο 3 Ο συντονιστής υπολογίζει το τελικό αποτέλεσμα βασιζόμενος στις λίστες που έλαβε 43
44 Παράμετροι του KLEE (1) Οι κύριοι παράμετροι που χαρακτηρίζουν την λειτουργικότητα του KLEE είναι: Οαριθμόςc, των κελιών για τα οποία στέλνονται φίλτρα κατά την πρώτηφάσηκαι Ο αριθμός R των bits που χρειάζονται ώστε να θεωρηθεί ενδιαφέρουσα η στήλη του CLF στο τρίτο βήμα Άλλες παράμετροι: Ο load factor για τα Bloom filters Οαριθμόςτωνhash function Αυτές επηρεάζουν την πιθανότητα να έχουμε false positive και την κρατούν κάτω από ένα κατώφλι δεδομένου ενός πλήθους από entries 44
45 Παράμετροι του KLEE (2) Μια καλή επιλογή του c εξαρτάται από την αντισυμμετρικότητα της κατανομής των score Εφαρμόζεται μια τεχνική που περιορίζει το λάθος για την πρόβλεψη του score που γίνεται παίρνοντας ένα μέρος του ιστογράμματος ΟορισμόςτουR μπορεί να είναι επιρρεπής σε λάθη Αντί απλά να αθροίζαμε bit θα μπορούσαμε να εκμεταλλευτούμε τα ιστογράμματα κάθε κόμβου και να πολλαπλασιάσουμε με πληροφορία όπως την μέση τιμή των documents τα οποία δεν έχουν σταλεί στον συντονιστή 45
46 Πειραματικά Δεδομένα (1) Οι αλγόριθμοι υλοποιήθηκαν σε Java Τα δεδομένα ήταν αποθηκευμένα τοπικά σε κάθε κόμβο Τα πειράματα έγιναν σε υπολογιστές με 3GHz Pentium επεξεργαστές Πραγματικά δεδομένα GOV, IMDB Συνθετικά δεδομένα Δημιουργήθηκαν index lists που ακολουθούν τον νόμο του Zipf αλλάζοντας το θ «πειράχτηκαν» ηβδgov αλλάζοντας τα score 46
47 Πειραματικά Δεδομένα (2) Υλοποιήθηκαν οι αλγόριθμοι DTA TPUT X-TPUT KLEE-3 KLEE-4 Αποδείχτηκε ότι ο KLEE υπερτερεί των υπολοίπων σε όλους τους τομείς 47
48 Συμπεράσματα Ο KLEE είναι ένας κατανεμημένος αλγόριθμος που εισήγαγε καινοτομίες Είναι ένας ισχυρός αλγόριθμος για κατανεμημένα συστήματα Κέρδος σε αποδοτικότητα εάν επιτρέπουμε μικρά λάθη στην «ποιότητα» των αποτελεσμάτων Είναι εξοπλισμένος με διάφορες ρυθμιστικές παραμέτρους Είναι ευέλικτος Επιτρέπει το trade-off μεταξύ ποιότητας και απόδοσης και μεταξύ εύρους και βημάτων επικοινωνίας 48
49 Τέλος!!! Ερωτήσεις??? 49
EFFICIENT TOP-K QUERYING OVER SOCIAL-TAGGING NETWORKS
EFFICIENT TOP-K QUERYING OVER SOCIAL-TAGGING NETWORKS Ralf Schenkel, Tom Crecelious, Mouna Kacimi, Sebastian Michel, Thomas Neumann, Josiane Xavier Parreira, Gerhard Weikum ΠΡΟΒΛΗΜΑ Εύρεση ενός αποτελεσματικού
Διαβάστε περισσότεραΔιάλεξη 22: Τεχνικές Κατακερματισμού I (Hashing)
Διάλεξη 22: Τεχνικές Κατακερματισμού I (Hashing) Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Ανασκόπηση Προβλήματος και Προκαταρκτικών Λύσεων Bit Διανύσματα Τεχνικές Κατακερματισμού & Συναρτήσεις
Διαβάστε περισσότεραΕπερωτήσεις σύζευξης με κατάταξη
Επερωτήσεις σύζευξης με κατάταξη Επερωτήσεις κατάταξης Top-K queries Οι επερωτήσεις κατάταξης επιστρέφουν τις k απαντήσεις που ταιριάζουν καλύτερα με τις προτιμήσεις του χρήστη. Επερωτήσεις κατάταξης Top-K
Διαβάστε περισσότεραΑξιοποίηση της συσχέτισης μεταξύ λέξεων για τη βελτίωση του προσεγγιστικού φιλτραρίσματος πληροφορίας
Αξιοποίηση της συσχέτισης μεταξύ λέξεων για τη βελτίωση του προσεγγιστικού φιλτραρίσματος πληροφορίας Σε ένα σύστημα φιλτραρίσματος πληροφορίας, ή αλλιώς σύστημα έκδοσης/συνδρομής, οι χρήστες εγγράφονται
Διαβάστε περισσότεραQuery-Driven Indexing for Scalable Peer-to-Peer Text Retrieval. Gleb Skobeltsyn, Toan Luu, Ivana Podnar Zarko, Martin Rajman, Karl Aberer
Query-Driven Indexing for Scalable Peer-to-Peer Text Retrieval Gleb Skobeltsyn, Toan Luu, Ivana Podnar Zarko, Martin Rajman, Karl Aberer Περιγραφή του προβλήματος Ευρετηριοποίηση μεγάλων συλλογών εγγράφων
Διαβάστε περισσότεραΕισαγωγή στην Επεξεργασία Ερωτήσεων. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1
Εισαγωγή στην Επεξεργασία Ερωτήσεων 1 Επεξεργασία Ερωτήσεων Θα δούμε την «πορεία» μιας SQL ερώτησης (πως εκτελείται) Ερώτηση SQL Ερώτηση ΣΒΔ Αποτέλεσμα 2 Βήματα Επεξεργασίας Τα βασικά βήματα στην επεξεργασία
Διαβάστε περισσότεραΕισαγωγή στην Επεξεργασία Ερωτήσεων. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1
Εισαγωγή στην Επεξεργασία Ερωτήσεων Βάσεις Δεδομένων 2013-2014 Ευαγγελία Πιτουρά 1 Επεξεργασία Ερωτήσεων Θα δούμε την «πορεία» μιας SQL ερώτησης (πως εκτελείται) Ερώτηση SQL Ερώτηση ΣΒΔ Αποτέλεσμα Βάσεις
Διαβάστε περισσότεραΕιδικά θέματα Αλγορίθμων και Δομών Δεδομένων (ΠΛΕ073) Απαντήσεις 1 ου Σετ Ασκήσεων
Ειδικά θέματα Αλγορίθμων και Δομών Δεδομένων (ΠΛΕ073) Απαντήσεις 1 ου Σετ Ασκήσεων Άσκηση 1 α) Η δομή σταθμισμένης ένωσης με συμπίεση διαδρομής μπορεί να τροποποιηθεί πολύ εύκολα ώστε να υποστηρίζει τις
Διαβάστε περισσότεραΠανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων ομές εδομένων
Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων 2. Πίνακες 45 23 28 95 71 19 30 2 ομές εδομένων 4 5 Χρήστος ουλκερίδης Τμήμα Ψηφιακών Συστημάτων 21/10/2016
Διαβάστε περισσότεραΣημειωματάριο Τετάρτης 18 Οκτ. 2017
Σημειωματάριο Τετάρτης 18 Οκτ. 2017 Περισσότερα για λίστες και ανακύκλωση Είδαμε σήμερα διάφορα προβλήματα και λύσεις για λίστες. Είδαμε επίσης την ανακύκλωση while. Στο επόμενο βλέπουμε πώς μπορούμε να
Διαβάστε περισσότεραΔιάλεξη 23: Τεχνικές Κατακερματισμού II (Hashing)
ΕΠΛ231 Δομές Δεδομένων και Αλγόριθμοι 1 Διάλεξη 23: Τεχνικές Κατακερματισμού II (Hashing) Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - Διαχείριση Συγκρούσεων με Ανοικτή Διεύθυνση a) Linear
Διαβάστε περισσότεραΠΑΡΑΡΤΗΜΑ: QUIZ ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ
ΠΑΡΑΡΤΗΜΑ: QUIZ ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ (Οι ερωτήσεις µε κίτρινη υπογράµµιση είναι εκτός ύλης για φέτος) ΕΙΣΑΓΩΓΗ Q1. Οι Πρωταρχικοί τύποι (primitive types) στη Java 1. Είναι όλοι οι ακέραιοι και όλοι οι πραγµατικοί
Διαβάστε περισσότεραΠανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων ομές εδομένων
Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων 2. Πίνακες 45 23 28 95 71 19 30 2 ομές εδομένων 4 5 Χρήστος ουλκερίδης Τμήμα Ψηφιακών Συστημάτων 12/10/2017
Διαβάστε περισσότεραΑνάκτηση Πληροφορίας
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #06 Πιθανοτικό Μοντέλο 1 Άδεια χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΔομές Δεδομένων. Δημήτρης Μιχαήλ. Κατακερματισμός. Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο
Δομές Δεδομένων Κατακερματισμός Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Λεξικό Dictionary Ένα λεξικό (dictionary) είναι ένας αφηρημένος τύπος δεδομένων (ΑΤΔ) που διατηρεί
Διαβάστε περισσότεραΠίνακες Συμβόλων. εισαγωγή αναζήτηση επιλογή. εισαγωγή. αναζήτηση
Πίνακες Συμβόλων χειρότερη περίπτωση μέση περίπτωση εισαγωγή αναζήτηση επιλογή εισαγωγή αναζήτηση διατεταγμένος πίνακας διατεταγμένη λίστα μη διατεταγμένος πίνακας μη διατεταγμένη λίστα δένδρο αναζήτησης
Διαβάστε περισσότεραΗΥ486 - Αρχές Κατανεμημένου Υπολογισμού Εαρινό Εξάμηνο Δεύτερη Προγραμματιστική Εργασία
ΗΥ486 - Αρχές Κατανεμημένου Υπολογισμού Εαρινό Εξάμηνο 2015-2016 Δεύτερη Προγραμματιστική Εργασία Γενική περιγραφή Στη δεύτερη προγραμματιστική εργασία καλείστε να υλοποιήσετε ένα διομότιμο σύστημα (Peer-to-
Διαβάστε περισσότεραΕπεξεργασία Ερωτήσεων
Εισαγωγή Σ Β Σύνολο από προγράμματα για τη διαχείριση της Β Επεξεργασία Ερωτήσεων Αρχεία ευρετηρίου Κατάλογος συστήματος Αρχεία δεδομένων ΒΑΣΗ Ε ΟΜΕΝΩΝ Σύστημα Βάσεων εδομένων (ΣΒ ) Βάσεις Δεδομένων 2007-2008
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Πεδί α
ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Βάση δεδομένων είναι συσχετισμένα μεταξύ τους δεδομένα, οργανωμένα σε μορφή πίνακα. Οι γραμμές του πίνακα αποτελούν τις εγγραφές και περιλαμβάνουν τις πληροφορίες για μια οντότητα. Οι
Διαβάστε περισσότεραΠίνακες Διασποράς. Χρησιμοποιούμε ένα πίνακα διασποράς T και μια συνάρτηση διασποράς h. Ένα στοιχείο με κλειδί k αποθηκεύεται στη θέση
Πίνακες Διασποράς Χρησιμοποιούμε ένα πίνακα διασποράς T και μια συνάρτηση διασποράς h Ένα στοιχείο με κλειδί k αποθηκεύεται στη θέση κλειδί k T 0 1 2 3 4 5 6 7 U : χώρος πιθανών κλειδιών Τ : πίνακας μεγέθους
Διαβάστε περισσότεραΜία μέθοδος προσομοίωσης ψηφιακών κυκλωμάτων Εξελικτικής Υπολογιστικής
Μία μέθοδος προσομοίωσης ψηφιακών κυκλωμάτων Εξελικτικής Υπολογιστικής Βασισμένο σε μια εργασία των Καζαρλή, Καλόμοιρου, Μαστοροκώστα, Μπαλουκτσή, Καλαϊτζή, Βαλαή, Πετρίδη Εισαγωγή Η Εξελικτική Υπολογιστική
Διαβάστε περισσότεραΚατανεμημένα Συστήματα Ι
Συναίνεση χωρίς την παρουσία σφαλμάτων Κατανεμημένα Συστήματα Ι 4η Διάλεξη 27 Οκτωβρίου 2016 Παναγιώτα Παναγοπούλου Κατανεμημένα Συστήματα Ι 4η Διάλεξη 1 Συναίνεση χωρίς την παρουσία σφαλμάτων Προηγούμενη
Διαβάστε περισσότεραΔομές Δεδομένων και Αλγόριθμοι
Δομές Δεδομένων και Αλγόριθμοι Χρήστος Γκόγκος ΤΕΙ Ηπείρου Χειμερινό Εξάμηνο 2014-2015 Παρουσίαση 19 Hashing - Κατακερματισμός 1 / 23 Πίνακες απευθείας πρόσβασης (Direct Access Tables) Οι πίνακες απευθείας
Διαβάστε περισσότεραΕπεξεργασία Ερωτήσεων
Εισαγωγή Επεξεργασία Ερωτήσεων ΜΕΡΟΣ 1 Γενική Εικόνα του Μαθήματος 1. Μοντελοποίηση (Μοντέλο Ο/Σ, Σχεσιακό, Λογικός Σχεδιασμός) 2. Προγραμματισμός (Σχεσιακή Άλγεβρα, SQL) ημιουργία/κατασκευή Εισαγωγή εδομένων
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ «ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ»
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ «ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ» ΗΜΕΡ.ΑΝΑΘΕΣΗΣ: Δευτέρα 21 Δεκεμβρίου 2015 ΗΜΕΡ.ΠΑΡΑΔΟΣΗΣ: Δευτέρα 25 Ιανουαρίου 2016 Διδάσκοντες:
Διαβάστε περισσότεραΕπεξεργασία Ερωτήσεων
Εισαγωγή Επεξεργασία Ερωτήσεων Σ Β Βάση εδομένων Η ομή ενός ΣΒ Βάσεις Δεδομένων 2006-2007 Ευαγγελία Πιτουρά 1 Βάσεις Δεδομένων 2006-2007 Ευαγγελία Πιτουρά 2 Εισαγωγή Εισαγωγή ΜΕΡΟΣ 1 (Χρήση Σ Β ) Γενική
Διαβάστε περισσότεραΟργάνωση Υπολογιστών ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Ασκήσεις 7: Πρόγραμμα Συνδεδεμένης Λίστας και Διαδικασιών. Μανόλης Γ.Η.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Οργάνωση Υπολογιστών Ασκήσεις 7: Πρόγραμμα Συνδεδεμένης Λίστας και Διαδικασιών Μανόλης Γ.Η. Κατεβαίνης Τμήμα Επιστήμης Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΓραφικά υπολογιστών Εργαστήριο 10 Εισαγωγή στα Sprites
Γραφικά υπολογιστών Εργαστήριο 10 Εισαγωγή στα Sprites Σκοπός της 10ης άσκησης είναι να μάθουμε να χρησιμοποιούμε sprites και να φτιάξουμε ένα παιχνίδι που χρησιμοποιεί συγκρούσεις. Θα δούμε επίσης μερικά
Διαβάστε περισσότεραStandard Template Library (STL) C++ library
Τ Μ Η Μ Α Μ Η Χ Α Ν Ι Κ Ω Ν Η / Υ Κ Α Ι Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ Standard Template Library (STL) C++ library Δομές Δεδομένων Μάριος Κενδέα kendea@ceid.upatras.gr Εισαγωγή Η Standard Βιβλιοθήκη προτύπων
Διαβάστε περισσότεραΔομές Αναζήτησης. εισαγωγή αναζήτηση επιλογή. εισαγωγή. αναζήτηση
Δομές Αναζήτησης χειρότερη περίπτωση μέση περίπτωση εισαγωγή αναζήτηση επιλογή εισαγωγή αναζήτηση διατεταγμένος πίνακας διατεταγμένη λίστα μη διατεταγμένος πίνακας μη διατεταγμένη λίστα δένδρο αναζήτησης
Διαβάστε περισσότεραΠίνακες Κατακερματισμού. Hash Tables. Προγραμματισμός II 1
Πίνακες Κατακερματισμού Hash Tables Προγραμματισμός II lalis@inf.uth.gr Δομές αναζήτησης μέχρι στιγμής Δομή Αναζήτηση Table Ο(Ν) Sorted Table Ο(log N) List Ο(Ν) Sorted List Ο(N) Balanced Binary Tree Ο(log
Διαβάστε περισσότεραΠληροφορική 2. Δομές δεδομένων και αρχείων
Πληροφορική 2 Δομές δεδομένων και αρχείων 1 2 Δομή Δεδομένων (data structure) Δομή δεδομένων είναι μια συλλογή δεδομένων που έχουν μεταξύ τους μια συγκεκριμένη σχέση Παραδείγματα δομών δεδομένων Πίνακες
Διαβάστε περισσότεραΗΥ240: οµές εδοµένων Χειµερινό Εξάµηνο Ακαδηµαϊκό Έτος Παναγιώτα Φατούρου. Προγραµµατιστική Εργασία 3 ο Μέρος
Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών 6 εκεµβρίου 2008 ΗΥ240: οµές εδοµένων Χειµερινό Εξάµηνο Ακαδηµαϊκό Έτος 2008-09 Παναγιώτα Φατούρου Προγραµµατιστική Εργασία 3 ο Μέρος Ηµεροµηνία Παράδοσης:
Διαβάστε περισσότεραΣύνοψη Προηγούμενου. Πίνακες (Arrays) Πίνακες (Arrays): Βασικές Λειτουργίες. Πίνακες (Arrays) Ορέστης Τελέλης
Σύνοψη Προηγούμενου Πίνακες (Arrays Ορέστης Τελέλης telelis@unipi.gr Τμήμα Ψηφιακών Συστημάτων, Πανεπιστήμιο Πειραιώς Διαδικαστικά θέματα. Aντικείμενο Μαθήματος. Aντικείμενα, Κλάσεις, Μέθοδοι, Μεταβλητές.
Διαβάστε περισσότεραΥπερπροσαρμογή (Overfitting) (1)
Αλγόριθμος C4.5 Αποφυγή υπερπροσαρμογής (overfitting) Reduced error pruning Rule post-pruning Χειρισμός χαρακτηριστικών συνεχών τιμών Επιλογή κατάλληλης μετρικής για την επιλογή των χαρακτηριστικών διάσπασης
Διαβάστε περισσότεραΕνδεικτικές Λύσεις 1ου Σετ Ασκήσεων
Κ Σ Ι Ενδεικτικές Λύσεις 1ου Σετ Ασκήσεων Παναγιώτα Παναγοπούλου Άσκηση 1. Υποθέστε ότι οι διεργασίες ενός σύγχρονου κατανεμημένου συστήματος έχουν μοναδικές ταυτότητες (UIDs), γνωρίζουν ότι είναι συνδεδεμένες
Διαβάστε περισσότεραDISTRIBUTED CACHE TABLE: EFFICIENT QUERY-DRIVEN PROCESSING OF MULTI-TERM QUERIES IN P2P NETWORKS
DISTRIBUTED CACHE TABLE: EFFICIENT QUERY-DRIVEN PROCESSING OF MULTI-TERM QUERIES IN P2P NETWORKS Paper By: Gleb Skobeltsyn, Karl Aberer Presented by: Βασίλης Φωτόπουλος Agenda 1. Ορισμός του προβλήματος
Διαβάστε περισσότεραΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams
ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams Αλέκα Σεληνιωτάκη Ηράκλειο, 26/06/12 aseliniotaki@csd.uoc.gr ΑΜ: 703 1. Περίληψη Συνεισφοράς
Διαβάστε περισσότεραΕυρετήρια. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1
Ευρετήρια Ευαγγελία Πιτουρά 1 τιμή γνωρίσματος Ευρετήρια Ένα ευρετήριο (index) είναι μια βοηθητική δομή αρχείου που κάνει πιο αποδοτική την αναζήτηση μιας εγγραφής σε ένα αρχείο Το ευρετήριο καθορίζεται
Διαβάστε περισσότεραΔομές Δεδομένων Standard Template Library (STL) 23/3/2017 ΜΠΟΜΠΟΤΑΣ ΑΓΟΡΑΚΗΣ
Δομές Δεδομένων Standard Template Library (STL) 23/3/2017 ΜΠΟΜΠΟΤΑΣ ΑΓΟΡΑΚΗΣ mpompotas@ceid.upatras.gr Εισαγωγή - STL Η Standard Βιβλιοθήκη προτύπων (STL) είναι μια βιβλιοθήκη λογισμικού για την C++ Δημιουργήθηκε
Διαβάστε περισσότεραΤΕΛΙΚΟ ΕΠΑΝΑΛΗΠΤΙΚΟ ΔΙΑΓΩΝΙΣΜΑ
ΑΡΧΗ 1 ης ΣΕΛΙΔΑΣ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΕΛΙΚΟ ΕΠΑΝΑΛΗΠΤΙΚΟ ΔΙΑΓΩΝΙΣΜΑ Επιμέλεια: Ομάδα Διαγωνισμάτων από Το στέκι των πληροφορικών Θέμα 1 ο Α. Να χαρακτηρίσετε κάθε μία από
Διαβάστε περισσότεραΥπάρχουν δύο τύποι μνήμης, η μνήμη τυχαίας προσπέλασης (Random Access Memory RAM) και η μνήμη ανάγνωσης-μόνο (Read-Only Memory ROM).
Μνήμες Ένα από τα βασικά πλεονεκτήματα των ψηφιακών συστημάτων σε σχέση με τα αναλογικά, είναι η ευκολία αποθήκευσης μεγάλων ποσοτήτων πληροφοριών, είτε προσωρινά είτε μόνιμα Οι πληροφορίες αποθηκεύονται
Διαβάστε περισσότεραΚατανεμημένα Συστήματα Ι
Κατανεμημένα Συστήματα Ι Εκλογή αρχηγού και κατασκευή BFS δένδρου σε σύγχρονο γενικό δίκτυο Παναγιώτα Παναγοπούλου Περίληψη Εκλογή αρχηγού σε γενικά δίκτυα Ορισμός του προβλήματος Ο αλγόριθμος FloodMax
Διαβάστε περισσότεραΚεφάλαιο 11 Ένωση Ξένων Συνόλων
Κεφάλαιο 11 Ένωση Ξένων Συνόλων Περιεχόμενα 11.1 Εισαγωγή... 227 11.2 Εφαρμογή στο Πρόβλημα της Συνεκτικότητας... 228 11.3 Δομή Ξένων Συνόλων με Συνδεδεμένες Λίστες... 229 11.4 Δομή Ξένων Συνόλων με Ανοδικά
Διαβάστε περισσότεραΔιάλεξη 18: Τεχνικές Κατακερματισμού I (Hashing)
ΕΠΛ231 Δομές Δεδομένων και Αλγόριθμοι 1 Διάλεξη 18: Τεχνικές Κατακερματισμού I (Hashing) Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - Ανασκόπηση Προβλήματος και Προκαταρκτικών Λύσεων Bit-Διανύσματα
Διαβάστε περισσότεραΕισαγωγή στην. Εισαγωγή Σ Β. Αρχεία ευρετηρίου Κατάλογος. συστήματος. Αρχεία δεδομένων
Εισαγωγή στην Επεξεργασία Ερωτήσεων 1 Εισαγωγή Σ Β Σύνολο από προγράμματα για τη διαχείριση της Β Αρχεία ευρετηρίου Κατάλογος ΒΑΣΗ Ε ΟΜΕΝΩΝ Αρχεία δεδομένων συστήματος Σύστημα Βάσεων εδομένων (ΣΒ ) 2 :
Διαβάστε περισσότεραΣημειωματάαριο Δευτέρας 16 Οκτ. 2017
Σημειωματάαριο Δευτέρας 16 Οκτ. 2017 Λίστες και ανακύκλωση for Είδαμε στην αρχή (ξανά) μερικά βασικά πράγματα για λίστες. Λίστα είναι μια πεπερασμένη ακολουθία από αντικείμενα (αριθμούς, strings, άλλες
Διαβάστε περισσότεραΜάριος Αγγελίδης
ΠΙΝΑΚΕΣ Ενότητες βιβλίου: 3.3, 9.1-9.3 Ώρες διδασκαλίας: 1 Σε όλα τα προβλήματα μέχρι τώρα διαβάζαμε μία τιμή την φορά, την επεξεργαζόμασταν και χωρίς να την αποθηκεύουμε επαναλαμβάναμε την διαδικασία
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΤΑΝΕΜΗΜΕΝΑ ΣΥΣΤΗΜΑΤΑ Εαρινό Εξάμηνο
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΤΑΝΕΜΗΜΕΝΑ ΣΥΣΤΗΜΑΤΑ Εαρινό Εξάμηνο 2016-2017 Υποχρεωτική εργασία Τα τελευταία χρόνια, λόγω της τεράστιας αύξησης της ποσότητας της πληροφορίας που έχουμε
Διαβάστε περισσότεραΚατακερματισμός (Hashing)
Κατακερματισμός (Hashing) O κατακερματισμός είναι μια τεχνική οργάνωσης ενός αρχείου. Είναι αρκετά δημοφιλής μέθοδος για την οργάνωση αρχείων Βάσεων Δεδομένων, καθώς βοηθάει σημαντικά στην γρήγορη αναζήτηση
Διαβάστε περισσότεραΑνάκτηση πληροφορίας
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ανάκτηση πληροφορίας Ενότητα 6: Ο Αντεστραμμένος Κατάλογος Απόστολος Παπαδόπουλος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΈστω ένας πίνακας με όνομα Α δέκα θέσεων : 1 η 2 η 3 η 4 η 5 η 6 η 7 η 8 η 9 η 10 η
Μονοδιάστατοι Πίνακες Τι είναι ο πίνακας γενικά : Πίνακας είναι μια Στατική Δομή Δεδομένων. Δηλαδή συνεχόμενες θέσεις μνήμης, όπου το πλήθος των θέσεων είναι συγκεκριμένο. Στις θέσεις αυτές καταχωρούμε
Διαβάστε περισσότεραΔοµές Δεδοµένων και Αλγόριθµοι - Εισαγωγή
Δοµές Δεδοµένων και Αλγόριθµοι - Εισαγωγή Στην ενότητα αυτή θα µελετηθούν τα εξής επιµέρους θέµατα: Εισαγωγή στις έννοιες Αλγόριθµοι και Πολυπλοκότητα, Οργάνωση Δεδοµένων και Δοµές Δεδοµένων Χρήσιµοι µαθηµατικοί
Διαβάστε περισσότεραεισαγωγικές έννοιες Παύλος Εφραιμίδης Δομές Δεδομένων και
Παύλος Εφραιμίδης 1 περιεχόμενα ενθετική ταξινόμηση ανάλυση αλγορίθμων σχεδίαση αλγορίθμων 2 ενθετική ταξινόμηση 3 ενθετική ταξινόμηση Βασική αρχή: Επιλέγει ένα-έναταστοιχείατηςμηταξινομημένης ακολουθίας
Διαβάστε περισσότεραΕισαγωγή στην επιστήμη των υπολογιστών. Οργάνωση εδομένων Κεφάλαιο 11ο ομές εδομένων
Εισαγωγή στην επιστήμη των υπολογιστών Οργάνωση εδομένων Κεφάλαιο 11ο ομές εδομένων 1 ομή εδομένων Μια δομή δεδομένων (data structure) χρησιμοποιεί μια συλλογή από σχετικές μεταξύ τους μεταβλητές, οι οποίες
Διαβάστε περισσότεραΓραφικά υπολογιστών Εργαστήριο 4 Εισαγωγή στις λίστες
Γραφικά υπολογιστών Εργαστήριο 4 Εισαγωγή στις λίστες Σκοπός της 3ης άσκησης είναι να μάθουμε να φτιάχνουμε και να προσπελαύνουμε λίστες, να δούμε τι διαφορά έχουν από τα tuples και επίσης πώς μπορούμε
Διαβάστε περισσότεραΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ. Κλάσεις και Αντικείμενα
ΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Κλάσεις και Αντικείμενα Η εξέλιξη των γλωσσών προγραμματισμού Η εξέλιξη των γλωσσών προγραμματισμού είναι μια διαδικασία αφαίρεσης Στην αρχή ένα πρόγραμμα ήταν
Διαβάστε περισσότεραΔομές Δεδομένων. Ενότητα 4: Ο ΑΤΔ Λίστα & Υλοποίηση Λίστας με σειριακή αποθήκευση- Ο ΑΤΔ Συνδεδεμένη Λίστα- Υλοποίηση ΑΤΔ Συνδεδεμένη Λίστα με πίνακα
Ενότητα 4: Ο ΑΤΔ Λίστα & Υλοποίηση Λίστας με σειριακή αποθήκευση- Ο ΑΤΔ Συνδεδεμένη Λίστα- Υλοποίηση ΑΤΔ Συνδεδεμένη Λίστα με πίνακα Καθηγήτρια Μαρία Σατρατζέμη Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό
Διαβάστε περισσότερα8. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ
8. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ Στόχος του εργαστηρίου αυτού είναι να δείξει πώς τα εργαστήρια με τα δεδομένα της ICAP μπορούν να υλοποιηθούν χωρίς τη χρήση SQL Server, χρησιμοποιώντας μόνον Excel και Rapid
Διαβάστε περισσότεραΕυρετήρια. Ευρετήρια. Βάσεις Δεδομένων 2009-2010: Ευρετήρια 1
Ευρετήρια 1 Ευρετήρια Ένα ευρετήριο (index) είναι μια βοηθητική δομή αρχείου που κάνει πιο αποδοτική την αναζήτηση μιας εγγραφής σε ένα αρχείο Το ευρετήριο καθορίζεται (συνήθως) σε ένα γνώρισμα του αρχείου
Διαβάστε περισσότερα2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΙΜΕΛΕΙΑ: ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ 2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΔΟΜΗ ΕΠΑΝΑΛΗΨΗΣ 1) Πότε χρησιμοποιείται η δομή επανάληψης
Διαβάστε περισσότεραΣυνοπτική Μεθοδολογία Ασκήσεων Κεφαλαίου 7. Ασκήσεις στο IP Fragmentation
Συνοπτική Μεθοδολογία Ασκήσεων Κεφαλαίου 7 Οι σημειώσεις που ακολουθούν περιγράφουν τις ασκήσεις που θα συναντήσετε στο κεφάλαιο 7. Η πιο συνηθισμένη και βασική άσκηση αναφέρεται στο IP Fragmentation,
Διαβάστε περισσότεραΚατανεμημένα Συστήματα Ι
Εκλογή αρχηγού σε γενικά δίκτυα 20 Οκτωβρίου 2016 Παναγιώτα Παναγοπούλου Εκλογή αρχηγού σε γενικά δίκτυα Προηγούμενη διάλεξη Σύγχρονα Κατανεμημένα Συστήματα Μοντελοποίηση συστήματος Πρόβλημα εκλογής αρχηγού
Διαβάστε περισσότεραΚατανεμημένα Συστήματα Ι
Κατανεμημένα Συστήματα Ι Συναίνεση και Σφάλματα Διεργασιών Παναγιώτα Παναγοπούλου Περίληψη Συναίνεση με σφάλματα διεργασιών Το πρόβλημα Ο αλγόριθμος FloodSet Επικύρωση δοσοληψιών Ορισμός του προβλήματος
Διαβάστε περισσότεραΠρωτόκολλα Ελέγχου προσπέλασης μέσου
Πρωτόκολλα Ελέγχου προσπέλασης μέσου Πρόβλημα: ταυτόχρονη μετάδοση δύο ή περισσότερων κόμβων στο ίδιο κανάλι (μήκος κύματος). Ένα τέτοιο γεγονός ονομάζεται σύγκρουση. Ένα πρωτόκολλο MAC έχει συνήθως ως
Διαβάστε περισσότεραΔιαδικασιακός Προγραμματισμός
Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ ΤΕΙ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ Διαδικασιακός Προγραμματισμός Διάλεξη 12 η Αναζήτηση/Ταξινόμηση Πίνακα Οι διαλέξεις βασίζονται στο βιβλίο των Τσελίκη και Τσελίκα C: Από τη Θεωρία στην
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3 ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ
ΚΕΦΑΛΑΙΟ 3 ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ Τα δεδομένα (data) είναι η αφαιρετική αναπαράσταση της πραγματικότητας και συνεπώς μία απλοποιημένη όψη της. Η συλλογή των ακατέργαστων δεδομένων και ο συσχετισμός
Διαβάστε περισσότεραΔυναμικά Σύνολα. Δυναμικό σύνολο. Tα στοιχεία του μεταβάλλονται μέσω εντολών εισαγωγής και διαγραφής. διαγραφή. εισαγωγή
Δυναμικά Σύνολα Δυναμικό σύνολο Tα στοιχεία του μεταβάλλονται μέσω εντολών εισαγωγής και διαγραφής διαγραφή εισαγωγή Δυναμικά Σύνολα Δυναμικό σύνολο Tα στοιχεία του μεταβάλλονται μέσω εντολών εισαγωγής
Διαβάστε περισσότεραΔιάλεξη 1: Εισαγωγή στον Κατανεμημένο Υπολογισμό. ΕΠΛ 432: Κατανεμημένοι Αλγόριθμοι
Διάλεξη 1: Εισαγωγή στον Κατανεμημένο Υπολογισμό ΕΠΛ 432: Κατανεμημένοι Αλγόριθμοι Τι θα δούμε σήμερα Τι είναι ένα Κατανεμημένο Σύστημα; Επικοινωνία, Χρονισμός, Σφάλματα Μοντέλο Ανταλλαγής Μηνυμάτων 1
Διαβάστε περισσότεραKεφάλαιο 11 Λίστες και Ανάλυση Δεδομένων Kεφάλαιο 12 Εργαλεία ανάλυσης πιθανοτήτων Kεφάλαιο 13 Ανάλυση δεδομένων...
Μέρος 2 Kεφάλαιο 11 Λίστες και Ανάλυση Δεδομένων... 211 Kεφάλαιο 12 Εργαλεία ανάλυσης πιθανοτήτων... 241 Kεφάλαιο 13 Ανάλυση δεδομένων... 257 Kεφάλαιο 14 Συναρτήσεις Μέρος Β... 285 Kεφάλαιο 15 Ευρετήριο
Διαβάστε περισσότερα8 FORTRAN 77/90/95/2003
ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1: Εισαγωγή... 17 1.1. Ανασκόπηση της ιστορίας των υπολογιστών... 18 1.2. Πληροφορία και δεδομένα... 24 1.3. Ο Υπολογιστής... 26 1.4. Δομή και λειτουργία του υπολογιστή... 28 1.5.
Διαβάστε περισσότεραΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ : ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ : Γ ΛΥΚΕΙΟΥ ΣΠΟΥΔΕΣ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ
ΑΡΧΗ 1ης ΣΕΛΙ ΑΣ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ : ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ : Γ ΛΥΚΕΙΟΥ ΣΠΟΥΔΕΣ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΔΙΑΓΩΝΙΣΜΑ ΠΕΡΙΟΔΟΥ : ΙΑΝΟΥΑΡΙΟΥ ΣΥΝΟΛΟ ΣΕΛΙΔΩΝ : 7 ΘΕΜΑ Α : Α1
Διαβάστε περισσότεραΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ : ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ : Γ ΛΥΚΕΙΟΥ ΣΠΟΥΔΕΣ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΜΗΜΑ: Γ2
ΑΡΧΗ 1ης ΣΕΛΙ ΑΣ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ : ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ : Γ ΛΥΚΕΙΟΥ ΣΠΟΥΔΕΣ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΜΗΜΑ: Γ2 ΔΙΑΓΩΝΙΣΜΑ ΠΕΡΙΟΔΟΥ : ΙΑΝΟΥΑΡΙΟΥ ΣΥΝΟΛΟ ΣΕΛΙΔΩΝ : 7
Διαβάστε περισσότεραΤο εσωτερικό ενός Σ Β
Επεξεργασία Ερωτήσεων 1 Εισαγωγή ΜΕΡΟΣ 1 Γενική Εικόνα του Μαθήµατος Μοντελοποίηση (Μοντέλο Ο/Σ, Σχεσιακό, Λογικός Σχεδιασµός) Προγραµµατισµός (Σχεσιακή Άλγεβρα, SQL) ηµιουργία/κατασκευή Εισαγωγή εδοµένων
Διαβάστε περισσότεραΠρόβλημα 37 / σελίδα 207
Πρόβλημα 37 / σελίδα 207 2.5. Ôåóô áõôïáîéïëüãçóçò Δίνονται οι παρακάτω ομάδες προτάσεων. Σε κάθε μία από αυτές, να κάνετε τις απαραίτητες διορθώσεις ώστε να ισχύουν οι προτάσεις 1. Η αναπαράσταση
Διαβάστε περισσότεραΑ2. Να γράψετε στο τετράδιο σας τον αριθμό 1-4 κάθε πρότασης και δίπλα το γράμμα που δίνει τη σωστή επιλογή.
ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ Γ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΚΥΡΙΑΚΗ 23/04/2017 - ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΑΕΠΠ ΣΥΝΟΛΟ ΣΕΛΙΔΩΝ: ΕΠΤΑ ( 7) ΘΕΜΑ Α Α1. Να χαρακτηρίσετε τις προτάσεις που ακολουθούν γράφοντας στο
Διαβάστε περισσότερα1η Σειρά Γραπτών Ασκήσεων
1/20 Ασυμπτωτικός Συμβολισμός, Αναδρομικές Σχέσεις 1η Σειρά Γραπτών Ασκήσεων Αλγόριθμοι και Πολυπλοκότητα ΣΗΜΜΥ, Εθνικό Μετσόβιο Πολυτεχνείο 1 Ασυμπτωτικός Συμβολισμός, Αναδρομικές Σχέσεις 2 3 4 5 2/20
Διαβάστε περισσότεραΔομές Δεδομένων. Δημήτρης Μιχαήλ. Ουρές Προτεραιότητας. Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο
Δομές Δεδομένων Ουρές Προτεραιότητας Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρά Προτεραιότητας Το πρόβλημα Έχουμε αντικείμενα με κλειδιά και θέλουμε ανά πάσα στιγμή
Διαβάστε περισσότεραΔυναμικά Σύνολα. Δυναμικό σύνολο. Tα στοιχεία του μεταβάλλονται μέσω εντολών εισαγωγής και διαγραφής. διαγραφή. εισαγωγή
Δυναμικά Σύνολα Δυναμικό σύνολο Tα στοιχεία του μεταβάλλονται μέσω εντολών εισαγωγής και διαγραφής διαγραφή εισαγωγή Δυναμικά Σύνολα Δυναμικό σύνολο Tα στοιχεία του μεταβάλλονται μέσω εντολών εισαγωγής
Διαβάστε περισσότεραΜελέτη Aποδοτικών Tρόπων Διαχείρισης Profiles σε Συστήματα Publish/Subscribe
Μελέτη Aποδοτικών Tρόπων Διαχείρισης Profiles σε Συστήματα Publish/Subscribe Μαρίνα Δρόσου Μυρτώ Ντέτσικα Γρηγόριος Τζώρτζης {mdrosou, mntetsik, gtzortzi} @ cs.uoi.gr Τμήμα Πληροφορικής, Πανεπιστήμιο Ιωαννίνων
Διαβάστε περισσότεραΚατανεμημένα Συστήματα Ι
Συναίνεση με σφάλματα διεργασιών Κατανεμημένα Συστήματα Ι 5η Διάλεξη 10 Νοεμβρίου 2016 Παναγιώτα Παναγοπούλου Κατανεμημένα Συστήματα Ι 5η Διάλεξη 1 Συναίνεση με σφάλματα διεργασιών Προηγούμενη διάλεξη
Διαβάστε περισσότεραΕνδεικτικές Ερωτήσεις Θεωρίας
Ενδεικτικές Ερωτήσεις Θεωρίας Κεφάλαιο 2 1. Τι καλούμε αλγόριθμο; 2. Ποια κριτήρια πρέπει οπωσδήποτε να ικανοποιεί ένας αλγόριθμος; 3. Πώς ονομάζεται μια διαδικασία που δεν περατώνεται μετά από συγκεκριμένο
Διαβάστε περισσότεραΕυρετήρια. Ευρετήρια. Βάσεις Δεδομένων : Ευρετήρια 1
Ευρετήρια 1 Ευρετήρια Ένα ευρετήριο (index) είναι μια βοηθητική δομή αρχείου που κάνει πιο αποδοτική την αναζήτηση μιας εγγραφής σε ένα αρχείο Το ευρετήριο καθορίζεται (συνήθως) σε ένα γνώρισμα του αρχείου
Διαβάστε περισσότεραΜέθοδοι πολυδιάστατης ελαχιστοποίησης
Μέθοδοι πολυδιάστατης ελαχιστοποίησης με παραγώγους Μέθοδοι πολυδιάστατης ελαχιστοποίησης Δ. Γ. Παπαγεωργίου Τμήμα Μηχανικών Επιστήμης Υλικών Πανεπιστήμιο Ιωαννίνων dpapageo@cc.uoi.gr http://pc64.materials.uoi.gr/dpapageo
Διαβάστε περισσότεραΜία αξιωματική προσέγγιση για τη διαφοροποίηση των αποτελεσμάτων
Μία αξιωματική προσέγγιση για τη διαφοροποίηση των αποτελεσμάτων ΜΑΘΗΜΑ Ανάκτηση Πληροφορίας Παππάς Χρήστος Ιωάννινα, Ιανουάριος 2010 Διάρθρωση Εισαγωγή Πρόβλημα Σημαντικότητα Ενδιαφέροντα θέματα Τεχνικό
Διαβάστε περισσότεραΑλγόριθμοι Ταξινόμησης Μέρος 4
Αλγόριθμοι Ταξινόμησης Μέρος 4 Μανόλης Κουμπαράκης Δομές Δεδομένων και Τεχνικές 1 Μέθοδοι Ταξινόμησης Βασισμένοι σε Συγκρίσεις Κλειδιών Οι αλγόριθμοι ταξινόμησης που είδαμε μέχρι τώρα αποφασίζουν πώς να
Διαβάστε περισσότεραΕνότητα 3: ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ
Ενότητα 3: ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ ΔΕΔΟΜΕΝΑ ΑΛΓΟΡΙΘΜΟΙ -ΠΛΗΡΟΦΟΡΙΑ: Δεδομένα: Αναπαράσταση της Πραγματικότητας Μπορούν να γίνουν αντιληπτά με μια από τις αισθήσεις μας Πληροφορία: Προκύπτει από
Διαβάστε περισσότεραΕπιλέξτε Σωστό ή Λάθος για καθένα από τα παρακάτω:
Επιλέξτε Σωστό ή Λάθος για καθένα από τα παρακάτω: 1ο ΓΕΛ Καστοριάς Βασικές Έννοιες Αλγορίθμων Δομή Ακολουθίας (κεφ. 2 και 7 σχολικού βιβλίου) 1. Οι μεταβλητές αντιστοιχίζονται από τον μεταγλωττιστή κάθε
Διαβάστε περισσότεραΔομές Δεδομένων και Αλγόριθμοι
Δομές Δεδομένων και Αλγόριθμοι Χρήστος Γκόγκος ΤΕΙ Ηπείρου Χειμερινό Εξάμηνο 2014-2015 Παρουσίαση 1 Εισαγωγή 1 / 14 Δομές Δεδομένων και Αλγόριθμοι Δομή Δεδομένων Δομή δεδομένων είναι ένα σύνολο αποθηκευμένων
Διαβάστε περισσότεραΤυχαιοκρατικοί Αλγόριθμοι
Πιθανότητες και Αλγόριθμοι Ανάλυση μέσης περίπτωσης Μελέτα τη συμπεριφορά ενός αλγορίθμου σε μια «μέση» είσοδο (ως προς κάποια κατανομή) Τυχαιοκρατικός αλγόριθμος Λαμβάνει τυχαίες αποφάσεις καθώς επεξεργάζεται
Διαβάστε περισσότεραΚατανεμημένα Συστήματα. Javascript LCR example
Κατανεμημένα Συστήματα Javascript LCR example Javascript JavaScript All JavaScript is the scripting language of the Web. modern HTML pages are using JavaScript to add functionality, validate input, communicate
Διαβάστε περισσότεραΕρωτήσεις πολλαπλής επιλογής - Κεφάλαιο Κάθε δομή μπορεί να χρησιμοποιηθεί σε οποιοδήποτε πρόβλημα ή εφαρμογή
Ερωτήσεις πολλαπλής επιλογής - Κεφάλαιο 3 1. Κάθε δομή μπορεί να χρησιμοποιηθεί σε οποιοδήποτε πρόβλημα ή εφαρμογή 2. Δυναμικές είναι οι δομές που αποθηκεύονται σε συνεχόμενες θέσεις μνήμης 3. Ένας πίνακας
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΑΝΑΛΗΠΤΙΚΟ ΔΙΑΓΩΝΙΣΜΑ ΣΧΟΛΙΚΟΥ ΕΤΟΥΣ
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΑΝΑΛΗΠΤΙΚΟ ΔΙΑΓΩΝΙΣΜΑ ΣΧΟΛΙΚΟΥ ΕΤΟΥΣ 2015-2016 Θέμα Α Α1. Να γράψετε στο τετράδιό σας τον αριθμό καθεμιάς από τις προτάσεις 1-4 και δίπλα τη λέξη ΣΩΣΤΟ,
Διαβάστε περισσότεραΔομές Δεδομένων. Δημήτρης Μιχαήλ. Γραφήματα. Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο
Δομές Δεδομένων Γραφήματα Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Γραφήματα Κατευθυνόμενο Γράφημα Ένα κατευθυνόμενο γράφημα G είναι ένα ζευγάρι (V, E) όπου V είναι ένα
Διαβάστε περισσότεραΚεφάλαιο 6: Προσομοίωση ενός συστήματος αναμονής
Κεφάλαιο 6: Προσομοίωση ενός συστήματος αναμονής Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Γιάννης Γαροφαλάκης Αν. Καθηγητής ιατύπωση του προβλήματος (1) Τα συστήματα αναμονής (queueing systems), βρίσκονται
Διαβάστε περισσότερα2ο ΓΕΛ ΑΓ.ΔΗΜΗΤΡΙΟΥ ΑΕΠΠ ΘΕΟΔΟΣΙΟΥ ΔΙΟΝ ΠΡΟΣΟΧΗ ΣΤΑ ΠΑΡΑΚΑΤΩ
ΠΡΟΣΟΧΗ ΣΤΑ ΠΑΡΑΚΑΤΩ ΣΤΑΘΕΡΕΣ είναι τα μεγέθη που δεν μεταβάλλονται κατά την εκτέλεση ενός αλγόριθμου. Εκτός από τις αριθμητικές σταθερές (7, 4, 3.5, 100 κλπ), τις λογικές σταθερές (αληθής και ψευδής)
Διαβάστε περισσότεραΔομές Δεδομένων. Ενότητα 7: Άλλες παραλλαγές Συνδεδεμένων Λιστών-Παράσταση Αραιού Πολυωνύμου με Συνδεδεμένη Λίστα. Καθηγήτρια Μαρία Σατρατζέμη
Ενότητα 7: Άλλες παραλλαγές Συνδεδεμένων Λιστών-Παράσταση Αραιού Πολυωνύμου με Συνδεδεμένη Λίστα Καθηγήτρια Μαρία Σατρατζέμη Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ : ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ : Γ ΛΥΚΕΙΟΥ ΣΠΟΥΔΕΣ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΔΙΑΓΩΝΙΣΜΑ ΠΕΡΙΟΔΟΥ : ΜΑΪΟΥ
ΑΡΧΗ 1ης ΣΕΛΙ ΑΣ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ : ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ : Γ ΛΥΚΕΙΟΥ ΣΠΟΥΔΕΣ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΔΙΑΓΩΝΙΣΜΑ ΠΕΡΙΟΔΟΥ : ΜΑΪΟΥ ΣΥΝΟΛΟ ΣΕΛΙΔΩΝ : 7 ΘΕΜΑ Α : Α1. Να
Διαβάστε περισσότεραΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ. (2 μονάδες) Δίνονται τα σημεία (-2, -16), (-1, -3), (0, 0), (1, -1) και (2, 0). Υπολογίστε το πολυώνυμο παρεμβολής Newton.
ΠΟΛΙΤΙΚΩΝ ΔΟΜΙΚΩΝ ΕΡΓΩΝ ΑΚΑΔ. ΕΤΟΣ - Τ. Ε. Ι. Σ Ε Ρ Ρ Ω Ν Σέρρες, 9 Ιανουαρίου ΘΕΜΑΤΑ ΕΞΕΤΑΣΕΩΝ Ομάδα Α ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΘΕΜΑ ον (+ μονάδες) Δίνεται ο πρόβολος, με μήκος = m, με κατανεμημένο φορτίο που
Διαβάστε περισσότερα