Uso de simulaciones realistas para el análisis de rendimiento de configuraciones de MapReduce

Recientemente, ha habido un gran crecimiento en la cantidad de datos procesados por empresas y la comunidad de computación científica. Dos tendencias prometedoras aseguran que las aplicaciones podrán manejar volúmenes de datos en constante aumento: Primero, la aparición de la computación en la nube, que proporciona acceso transparente a un gran número de recursos de cómputo, almacenamiento y redes; y segundo, el desarrollo del modelo de programación MapReduce, que ofrece una abstracción de alto nivel para la computación intensiva en datos. Sin embargo, el espacio de diseño de estos sistemas no ha sido explorado en detalle. Específicamente, el impacto de varias elecciones de diseño y parámetros de tiempo de ejecución de un sistema MapReduce en el rendimiento de la aplicación sigue siendo una cuestión abierta.