Ciencias Tcnicas y Aplicadas

Artculo de Investigacin

 

Anlisis de un sistema de gestin integral de monitoreo de nodos de Telecomunicaciones de la COAC Jardn Azuayo

 

Analysis of a comprehensive management system for monitoring Telecommunications nodes of the COAC Jardn Azuayo

 

Anlise de um sistema de gesto integral para monitorar os ns de Telecomunicaes do COAC Jardn Azuayo

 

Pal Andrs Valdivieso-Avils I
paul.valdivieso.01@est.ucacue.edu.ec 
https://orcid.org/0000-0001-7684-649X
 


 

 

Javier Bernardo Cabrera-Meja II
jcabreram@ucacue.edu.ec 
https://orcid.org/0000-0003-2027-0211
Andrs Sebastin Quevedo-Sacoto III
asquevedos@ucacue.edu.ec 
https://orcid.org/0000-0001-5585-0270
 

 

 

 

 

 

 


Correspondencia: [email protected]

 

 

*Recibido: 29 de marzo del 2022 *Aceptado: 21 de abril de 2022 * Publicado: 26 de mayo de 2022

 

        I.            Estudiante de la Maestra en Tecnologas de la Informacin, Universidad Catlica de Cuenca, Cuenca, Ecuador.

     II.            Jefe de Investigacin, Universidad Catlica de Cuenca, Cuenca, Ecuador.

   III.            Docente investigador, Universidad Catlica de Cuenca, Cuenca, Ecuador

 

 

 

Resumen

Se presenta una nueva arquitectura de HDSM (Sistema de Gestin de Nodos de Sensores Distribuidos Basado en Hadoop) para la gestin de nodos de sensores distribuidos mediante el marco Hadoop MapReduce y el sistema de archivos distribuido (DFS). Ofrece varias formas eficientes de recopilar datos de sensores y administrar mltiples nodos de sensores mediante el lanzamiento de aplicaciones especficas de reduccin de mapas en nodos de sensores que cargan datos de nodos de sensores en DFS y recuperan datos de sensores peridicamente de DFS. Proporciona un esquema de gestin flexible para el nodo del sensor mediante la reconfiguracin del firmware o la actualizacin de configuraciones y formatos de datos de los nodos del sensor basados en el marco de MapReduce. Adems, se logra una arquitectura transparente y tolerante a fallas al explotar varias caractersticas cruciales de Hadoop. Los resultados experimentales muestran que el sistema de gestin integral de monitoreo de nodos de Telecomunicaciones de la COAC Jardn Azuayo tiene un rendimiento eficiente y estable.

Palabras Claves: Archivo; Hadoop; MapReduce; nodo; sensor.

 

Abstract

A new HDSM (Hadoop-based Distributed Sensor Management) architecture is presented for managing distributed sensor nodes using the Hadoop MapReduce framework and Distributed File System (DFS). It offers several efficient ways to collect sensor data and manage multiple sensor nodes by launching specific map reduction applications on sensor nodes that upload sensor node data to DFS and periodically retrieve sensor data from DFS. In addition, it provides a flexible management scheme for the sensor node by reconfiguring the firmware or updating the configurations and data formats of the sensor nodes based on the MapReduce framework. Furthermore, a transparent and fault-tolerant architecture is achieved by exploiting several crucial features of Hadoop. The experimental results show that the comprehensive management system for monitoring Telecommunications nodes of COAC Jardn Azuayo has efficient and stable performance.

Keywords: File; Hadoop; MapReduce; node; sensor.

 

 

 

Resumo

Uma nova arquitetura HDSM (Distributed Sensor Node Management System baseado em Hadoop) apresentada para gerenciar ns de sensores distribudos usando a estrutura Hadoop MapReduce e o Distributed File System (DFS). Ele oferece vrias maneiras eficientes de coletar dados de sensores e gerenciar vrios ns de sensores, iniciando aplicativos especficos de reduo de mapa em ns de sensores que carregam dados de ns de sensores para o DFS e recuperam periodicamente dados de sensores do DFS. Ele fornece um esquema de gerenciamento flexvel para o n sensor reconfigurando o firmware ou atualizando as configuraes e formatos de dados dos ns sensores com base na estrutura MapReduce. Alm disso, uma arquitetura transparente e tolerante a falhas alcanada explorando vrios recursos cruciais do Hadoop. Os resultados experimentais mostram que o sistema de gesto integral de monitoramento dos ns de Telecomunicaes do COAC Jardn Azuayo tem um desempenho eficiente e estvel.

Palavras-chave: Arquivo; Hadoop; MapReduce; n; sensor.

 

Introduccin

En un entorno informtico ubicuo con redes de sensores cableados/inalmbricos, la recopilacin, el control y la gestin eficientes de los datos de los sensores son muy importantes para varios anlisis de datos tiles (Yang, 2022). Se pueden implementar varios nodos de sensores, como CCTV, sensores de temperatura o puntos de acceso Wi-Fi con procesadores adicionales y dispositivos de almacenamiento para guardar los datos de deteccin localmente y conectarse entre s a travs de redes como Ethernet. Estas redes de sensores necesitan enfoques sofisticados para lograr una recopilacin masiva de datos de sensores y una gestin rentable de los nodos de sensores distribuidos (Mendieta, 2022).

MapReduce es un marco til en una amplia gama de aplicaciones que incluyen bsqueda paralela distribuida, indexacin, agrupamiento y clasificacin para varios tipos de datos y reemplaza el antiguo software ad hoc que realiza los diversos anlisis para grandes conjuntos de datos (Abdolazimi, 2022). Adems, el modelo de programacin MapReduce ofrece una manera ms fcil de crear aplicaciones paralelas distribuidas que se ejecutan en mltiples nodos informticos para procesar Big data. Por lo tanto, se ha adaptado a varios entornos informticos, como sistemas multiprocesador y entornos de nube. Hasta el momento, existen varias implementaciones para el algoritmo MapReduce y su marco de ejecucin, como Hadoop. Pueden integrarse con varios sistemas de archivos distribuidos (DFS) y ofrecen una gestin general de todo el proceso para iniciar la aplicacin MapReduce, integrar varios servidores y gestionar las comunicaciones y las transferencias de datos entre componentes. Proporcionan una arquitectura redundante y tolerante a fallas a travs de su arquitectura distribuida, replicacin de datos y mecanismo de latido.

Sin embargo, los enfoques anteriores se centran en acumular datos de registro de aplicaciones generadas desde otros servidores conectados a travs de una red cableada en un repositorio basado en DFS y procesarlos mediante MapReduce (Agudelo, 2022). En esta investigacin, se considera la red de sensores del sistema de gestin integral de monitoreo de nodos de Telecomunicaciones de la COAC Jardn Azuayo como un clster de MapReduce a gran escala y se presenta una nueva plataforma de gestin de nodos de sensores, llamada HDSM (sistema de gestin de nodos de sensores distribuidos basado en Hadoop) para la gestin de nodos de sensores distribuidos mediante la explotacin del marco MapReduce y DFS y el lanzamiento de varias aplicaciones para ejecutar configuraciones de carga, recuperacin, vaciado, monitoreo y actualizacin de datos de sensores dentro del sistema de gestin integral de monitoreo de nodos de Telecomunicaciones de la COAC Jardn Azuayo. El cual permite formas eficientes de recopilar datos de sensores y administrar mltiples nodos de sensores mediante el lanzamiento de aplicaciones especficas de MapReduce en nodos de sensores que cargan datos de nodos de sensores en DFS y recuperan datos de sensores peridicamente de DFS. Adems, proporciona un esquema de gestin flexible para el nodo sensor mediante la reconfiguracin de un firmware o la actualizacin de configuraciones y formatos de datos de nodos sensores basados en el marco MapReduce. Adems, logra una arquitectura transparente y tolerante a fallas al explotar varias caractersticas cruciales de Hadoop (Ma, 2022).

Obras relacionadas

La aplicacin MapReduce se compone de dos etapas: mapeado para procesar tareas de unidades de granularidad fina, como filtrado, conteo o clasificacin, y reductor para resumir operaciones (Regalado Valenzuela, 2022). Hay varias implementaciones para el algoritmo MapReduce y su marco de ejecucin, como Google MapReduce, Apache Hadoop y Twitter (Bawankule, 2022), y las entradas y salidas de MapReduce generalmente se almacenan en un sistema de archivos distribuido como GFS y HDFS. Ofrecen la orquestacin de todos los procesos de administracin para iniciar la aplicacin MapReduce, monitorear mltiples nodos, transferir datos y administrar las comunicaciones entre componentes (Soledispa Pea, 2022).

Apache Hadoop es una implementacin de cdigo abierto del marco MapReduce que admite la ejecucin de aplicaciones en grandes grupos de hardware bsico y un sistema de archivos distribuido denominado sistema de archivos distribuido Hadoop (HDFS) que almacena grandes datos en los nodos informticos (Zhang, 2022). Est escrito en el lenguaje de programacin Java (Lopez, 2021). Un clster de Hadoop incluye un solo nodo maestro y varios nodos esclavos, como se describe en la Figura 1. Para HDFS, Namenode es un componente maestro que administra las ubicaciones de los archivos y los metadatos de todos los archivos en HDFS. Namenode verifica la actividad de todos los nodos esclavos mediante un mecanismo de latido basado en notificaciones peridicas con mensajes simples y ofrece una interfaz de lnea de comandos y una capa API para los clientes. Los archivos de datos reales en HDFS se dividen en varios fragmentos y se administran mediante un componente esclavo denominado nodo de datos. Almacena fragmentos en el disco local de cada nodo trabajador. El motor de MapReduce para ejecutar la aplicacin que se compone de un solo rastreador de trabajo en el nodo maestro como un proceso coordinador de trabajos y mltiples rastreadores de tareas en los nodos esclavos como nodos trabajadores. Despus de recibir la solicitud de trabajo para iniciar una aplicacin MapReduce, el rastreador de trabajos programa y asigna tareas de mapa y reduccin a mltiples rastreadores de tareas con conocimiento de la ubicacin de los datos y hace que se ejecuten en forma paralela. La mayora de los resultados de los trabajos de MapReduce se guardan en el HDFS. Tanto el motor de MapReduce como el HDFS estn diseados para que el marco maneje automticamente las fallas de los nodos. Proporcionan una arquitectura redundante y tolerante a fallas a travs de su arquitectura expandible y un esquema de monitoreo nico llamado mecanismo de latido. Por lo tanto, su arquitectura es til para construir un sistema de gestin de nodos de sensores distribuidos.

Figura 1. Arquitectura de Hadoop implementada en mltiples nodos; HDFS y MapReduce e interaccin entre componentes.

Fuente. Elaboracin propia.

Existe una serie de investigaciones para el procesamiento de datos de sensores recopilados mediante computacin paralela distribuida (Moreno Segura, 2022). Adems, existen varios enfoques para construir grandes sistemas de recopilacin de datos en entornos de cuadrcula y nube (Narro Mestanza, 2022). En particular, hay algunos enfoques que estn integrados con el marco MapReduce de Hadoop. Apache Flume (Rashid, 2022) es un servicio distribuido para recopilar, agregar y transferir de manera eficiente grandes cantidades de datos de registro de muchas fuentes diferentes a HDFS. Ofrece una arquitectura flexible basada en flujos de datos de transmisin y utiliza un modelo de datos extensible simple que permite la aplicacin analtica en lnea. Honu es una canalizacin de recopilacin y procesamiento de datos de transmisin a gran escala creada con Hadoop. Recopila y procesa todos los eventos de registro estructurados y no estructurados generados por varias aplicaciones que se ejecutan en Amazon EC2 o EMR y los pone a disposicin del usuario a travs de Hive (Yusoff, 2022).

En el presente anlisis se considera a la red de sensores como un clster de MapReduce a gran escala y se presenta una plataforma de gestin de nodos de sensores mediante la explotacin del marco de MapReduce y DFS y el lanzamiento de varias aplicaciones de MapReduce para ejecutar configuraciones de carga, recuperacin, vaciado, monitoreo y actualizacin de datos de sensores.

Sistema de gestin de nodos de sensores distribuidos basado en MapReduce

Caractersticas clave de HDSM.

           Ofrece una manera ms fcil de construir un sistema de gestin de nodos de sensores distribuidos. HDSM utiliza la arquitectura y los componentes bsicos del marco Hadoop sin corregir sus funciones ni desarrollar componentes especficos para manipular transferencias de datos o comunicaciones. Mediante la integracin de mltiples nodos de sensores con recursos de hardware limitados a travs de la red y la tecnologa Hadoop, HDSM crea fcilmente un enorme grupo de nodos de sensores lgicos en una red de sensores distribuidos.

           Garantiza una gestin automatizada de todo el proceso para integrar mltiples nodos de sensores, iniciar aplicaciones MapReduce y gestionar comunicaciones y transferencias de datos entre DFS y otros componentes a travs del marco Hadoop MapReduce. Por lo tanto, puede ahorrar costos de construccin y mantenimiento del sistema de gestin para nodos de sensores distribuidos.

           Se enfoca en analizar los datos de deteccin recopilados sin preocuparse por fallas, ya que Hadoop tiene un mecanismo interno para manejar las fallas del sistema.

           Permite actualizar fcilmente el software de los nodos de sensores, como los controladores de dispositivos de sensores, el firmware, el formato de datos y las configuraciones de nodos mediante el lanzamiento de la aplicacin MapReduce exclusiva sin mucho esfuerzo para manipular cada uno de los nodos de sensores en un proceso complejo.

Arquitectura

HDSM consta del administrador de control de nodos (NCM), el nodo maestro de Hadoop y el esclavo. El NCM y el nodo maestro de Hadoop funcionan como un administrador de HDSM que controla las operaciones generales de HDSM. Una red de sensores se considera como un clster MapReduce a gran escala. El nodo esclavo Hadoop se implementa en cada uno de los nodos sensores. Consiste en el rastreador de tareas y el nodo de datos e interacta con el nodo maestro de Hadoop, que est compuesto por el rastreador de trabajos y el nodo de nombres. NCM administra y controla el maestro de Hadoop mediante el uso de comandos de Hadoop y media la interaccin entre HDFS y sistemas externos, como repositorios o servicios de consumidores de datos. La recuperacin de datos de deteccin acumulados en HDFS y el vaciado de HDFS se realizan mediante la ejecucin de comandos de Hadoop. En particular, ofrece una forma eficaz de recuperar grandes datos acumulados en el grupo de nodos de sensores, ya que el trfico de datos se distribuye entre todos los nodos de sensores (nodos de datos) en la operacin de lectura de HDFS. NCM solicita al nodo maestro de Hadoop que ejecute varias operaciones, incluida la carga de datos de deteccin en HDFS, el vaciado de HDFS y la aplicacin de parches al firmware o las configuraciones del nodo del sensor mediante el lanzamiento de las aplicaciones adecuadas. En cada operacin, se asigna una sola tarea de mapa en cada nodo de sensor, respectivamente, mediante la asignacin de una cantidad de tareas de mapa como nmero total de nodos de sensor, ya que el programador de Hadoop tiende a asignar tareas a nodos de trabajo inactivos que pueden permitirse que se les asignen nuevas tareas. Por lo tanto, todas las tareas del mapa procesan su funcin de forma independiente en los nodos sensores en paralelo (Sanabria, 2022).

           NCM solicita al nodo maestro de Hadoop que inicie la aplicacin "Uploader" para hacer que todos los nodos sensores carguen sus datos de deteccin locales en HDFS. La aplicacin de carga solo tiene una clase de mapeador sin reductor y crea una cantidad de tareas de mapa idnticas a la cantidad de nodos sensores. Cada tarea de mapa se asigna y ejecuta en cada nodo y copia sus datos de deteccin locales en HDFS con nombres de archivos distinguibles. Cada dato de deteccin local se divide en uno o varios fragmentos de datos y nodo de datos los guarda en HDFS. De esta manera, cada nodo sensor carga sus datos locales en su nodo de datos y nodo de nombres identifica la ubicacin de todos los datos. Despus de cargarlos en HDFS, los datos de deteccin pueden estar listos para que mediante el nodo maestro Hadoop y sus clientes los recuperen.

           NCM solicita al nodo maestro de Hadoop que recupere los datos de deteccin cargados de HDFS y los almacene en el disco local, otros servidores de repositorio o servicios de consumo de datos. Todos los datos de deteccin acumulados se leen de varios nodos de datos a la vez peridicamente mediante la lectura de varios fragmentos de varios nodos de datos mediante el comando Hadoop.

           NCM solicita al nodo maestro de Hadoop que vace el almacenamiento HDFS para retener el espacio disponible en el disco de los nodos del sensor debido al tamao de almacenamiento limitado del nodo del sensor.

           NCM solicita al nodo maestro Hadoop que actualice el controlador del dispositivo del sensor avanzado o las configuraciones del nodo del sensor y ejecute la aplicacin "Updater". La aplicacin de actualizacin no tiene etapa de reduccin y la cantidad de tareas de mapas es idntica a la de los nodos de sensores. NCM proporciona varias lneas de comandos para asignar tareas, que a su vez las ejecuta como tareas secundarias, como actualizar el controlador del sensor o los cdigos de firmware a una versin ms nueva, cambiar los formatos de datos, editar las configuraciones de los nodos del sensor o incluso ejecutar comandos como reiniciar, calibrar e inicializar de dispositivos sensores (Zhang, 2022).

HDSM realiza las operaciones anteriores peridicamente de acuerdo con la configuracin de NCM. Adems, ofrece una forma flexible para que los usuarios agreguen ms operaciones mediante el desarrollo de sus aplicaciones MapReduce correspondientes, como analizadores de datos simples o convertidores de datos. Si el poder de cmputo de los nodos sensores no es suficiente, el usuario puede ejecutar la migracin de datos a otros repositorios para realizar copias de seguridad o sistemas de procesamiento de datos para un anlisis de datos de alto rendimiento.

Metodologa

Es importante sealar que, tomando en cuenta los parmetros ticos y de confidencialidad de los datos recabados dentro de la investigacin, se manej con cautela y privacidad los direccionamientos de los protocolos de internet (IP), nombres de equipos, identificadores de servicio (SSID) de las redes analizadas y cualquier dato que pueda ser utilizado por terceros para exponer la seguridad de la informacin.

Para el anlisis se procedi a definir los sistemas operativos en los que se va a trabajar dentro del pentest, definiendo los sistemas Kali Linux, Windows 10 y Windows 7 por la estabilidad actual y las herramientas incorporadas en los mismos.

Se aplic las dos primeras fases del Hacking tico para reconocer el estado de la infraestructura y las vulnerabilidades existentes en el sistema, para luego realizar un anlisis descriptivo del estado de la seguridad de la informacin dentro de esta organizacin. Las acciones realizadas se sealan en la Figura 1.

 

Figura 2. Fases de Anlisis de Vulnerabilidades.

Fuente. Elaboracin propia.

 

 

Resultados

Se ha implementado un prototipo de HDSM y MapReduce dentro del sistema de gestin integral de monitoreo de nodos de Telecomunicaciones de la COAC Jardn Azuayo, para operaciones clave utilizando el lenguaje de programacin Java y la API de Hadoop. El HDSM se implement en varios nodos de guardado de informacin, cada uno de los cuales registra datos de la comunicacin interna dentro de la entidad financiera y la comunicacin dentro del sistema de gestin integral de monitoreo de nodos de Telecomunicaciones de la COAC Jardn Azuayo los cuales guardan peridicamente en su disco de almacenamiento local. Los archivos (correos con imgenes incorporadas, grabaciones de llamadas telefnicas internas o fuera de la entidad financiera, solicitudes de acceso al sistema de alta prioridad) tienen varios tamaos, desde 50 MB hasta 800 MB. Se asign una direccin IP nica a cada nodo sensor y todos los nodos sensores estuvieron conectados al administrador HDSM a travs de Fast Ethernet.

 

Figura 2. Tiempo promedio de carga de datos de deteccin con respecto a la cantidad de nodos sensores con varios tamaos de datos.

Fuente. Elaboracin propia.

 

 

Se evalu el rendimiento de HDSM para recopilar y recuperar datos de sensores midiendo su tiempo de procesamiento y rendimiento, en la Figura 2 se muestra el tiempo promedio de carga de datos de deteccin con varios tamaos a HDFS en varios nodos de sensores. El tamao del bloque del fragmento de datos es de 64 MB y no hay replicacin en este experimento. El aumento del tiempo de carga depende de la cantidad de nodos sensores, ya que la cantidad de datos de sensores recopilables en un perodo es proporcional a la cantidad de nodos sensores. Sin embargo, los rendimientos promedio estn relativamente estabilizados, independientemente de la cantidad de nodos sensores o del tamao de los datos, como se muestra en la Figura 3, la media de los rendimientos en todos los casos es de 26,230 MB/s y la desviacin estndar es de 3,80.

 

Figura 3. Rendimiento promedio de carga de datos de deteccin con respecto a la cantidad de nodos de sensores con varios tamaos de datos.

Fuente. Elaboracin propia.

 

 

Adems, se compil el rendimiento de la operacin de carga con varios niveles de replicacin en la Figura 4, donde se muestra el rendimiento promedio de la carga de datos en 8 nodos con varios niveles de replicacin. El rendimiento de la carga de datos disminuye con el aumento del nivel de replicacin, ya que, aunque la replicacin de datos de Hadoop se realiza para brindar tolerancia a fallas y disponibilidad, puede causar ms trfico de datos en la red y un menor rendimiento de E/S de HDFS.

 

Figura 4. Rendimiento promedio de carga de datos en 8 nodos con respecto a diferentes tamaos de datos con varios niveles de replicacin.

Fuente. Elaboracin propia.

 

 

Se evalu el rendimiento de recuperacin de los datos del sensor acumulados en HDFS, en las Figuras 5 y 6, donde el tamao del bloque del fragmento de datos es de 64 MB y no hay replicacin en este experimento. La Figura 5 muestra que el tiempo promedio de recuperacin disminuye a medida que aumenta el nmero de nodos sensores. La Figura 6 muestra que el rendimiento promedio de la recuperacin de datos es ms alto que el de la operacin de carga y est relacionado con la cantidad de tamao de los datos. Adems, muestra que el rendimiento medio en todos los casos es de 37,79 MB/s, pero el rendimiento disminuye con el aumento del tamao de los datos.

 

Figura 5. Tiempo promedio de recuperacin de datos de sensores de HDFS con respecto a la cantidad de nodos de sensores con varios tamaos de datos

Fuente. Elaboracin propia.

 

 

Figura 6. Rendimiento promedio de recuperacin de datos de sensores de HDFS con respecto a la cantidad de nodos de sensores con varios tamaos de datos.

Fuente. Elaboracin propia.

 

 

En un entorno real, el nodo sensor puede tener un rendimiento inferior al entorno experimental. Por lo tanto, se evalu el tiempo de carga en los nodos de sensores de bajo rendimiento mediante el uso de mquinas virtuales para compararlas con las de alto rendimiento. La mquina virtual tiene un procesador de un solo ncleo de 2,13 GHz, 512 MB de memoria y 150 GB de disco de bajo rendimiento ms econmico siendo dispositivos inferiores a $200 dlares. Las condiciones experimentales son idnticas a las de la Figura 3.

Conclusiones

En este documento, se analiza un sistema de gestin de nodos de sensores distribuidos basado en Hadoop para el esquema de gestin de nodos de sensores distribuidos en el sistema de gestin integral de monitoreo de nodos de Telecomunicaciones de la COAC Jardn Azuayo, explotando el marco Hadoop MapReduce y el sistema de archivos distribuidos y lanzando varias aplicaciones MapReduce para ejecutar la carga, recuperacin, vaciado, monitoreo, y actualizar las configuraciones. Ofrece varias formas eficientes de recopilar datos de sensores y administrar mltiples nodos de sensores mediante el lanzamiento de aplicaciones especficas en nodos de sensores que cargan datos de nodos de sensores en DFS y recuperan datos de sensores peridicamente de DFS.

Adems, se proporciona un esquema de gestin flexible para el nodo sensor mediante la reconfiguracin de un firmware o la actualizacin de configuraciones y formatos de datos de nodos sensores basados en el marco MapReduce. Logrando una arquitectura transparente y tolerante a fallas al explotar varias caractersticas cruciales de Hadoop. Los resultados experimentales muestran que tiene un rendimiento eficiente y estable. Como trabajo futuro, se plantea se realicen ms investigaciones para mejoras e incorporar funcionalidades adicionales con tolerancia a fallas y alto rendimiento.

 

Referencias

1.      Abdolazimi, R. H. (2022). Mapreduce preprocess of big graphs for rapid connected components detection. In 2022 IEEE 12th Annual Computing and Communication Workshop and Conference (CCWC), 112-118.

2.      Agudelo, G. F.-G. (2022). Estudio de plataformas de monitoreo para seleccionar la pila tecnolgica base de un sistema de analticas especializado para pruebas de software. Ingenieria y Competitividad, 24(1).

3.      Bawankule, L. D. (2022). Historical data based approach to mitigate stragglers from the Reduce phase of MapReduce in a heterogeneous Hadoop cluster. Cluster Computing, 1-19.

4.      Lopez, D., y Marce, C. (2021). Herramienta de soporte para la inspeccin de la calidad del cdigo de las aplicaciones HPC. Ciencia y Educacin-Revista Cientfica, 2(3), 6-14.

5.      Ma, J. R. (2022). Improved Hadoop-based cloud for complex model simulation optimization: Calibration of SWAT as an example. Environmental Modelling & Software, 105330.

6.      Mendieta, V. Z. (2022). Anlisis de rendimiento en red de sensores inalmbrica con distintas topologas y cantidades de nodos. Informtica y Sistemas: Revista de Tecnologas de la Informtica y las Comunicaciones, 6(1), 11-21.

7.      Moreno Segura, G. J. (2022). Programacin paralela y distribuida. arquitecturas paralelas y distribuidas. programacin de aplicaciones multiproceso. TAUJA: Repositorio de Trabajos Acadmicos de la Universidad de Jan.

8.      Narro Mestanza, M. (2022). El sistema de gestin de seguridad de la informacin y la gestin de riesgos en el rea informtica de una universidad pblica, regin Cajamarca 2020.

9.      Rashid, M. S. (2022). Efficient big data-based storage and processing model in Internet of Things for improving accuracy fault detection in industrial processes. In Research Anthology on Big Data Analytics, Architectures, and Applications, 945-957.

10.  Regalado Valenzuela, H. (2022). Aplicacin cloud para la carga de informacin crediticia de clientes en el rea comercial de una entidad financiera.

11.  Sanabria, M., y Mndez-Romero, A. (2022). Tecnologas clave para la transformacin digital en las organizaciones. Transformacin digital en las organizaciones, 31.

12.  Soledispa Pea, W. (2022). Implementacin de un laboratorio virtual para realizar simulaciones de sistemas de comunicaciones digitales ASK Y FSK. (Doctoral dissertation, Universidad de Guayaquil. Facultad de Ingeniera Industrial. Carrera de Ingeniera en Teleinformtica).

13.  Yang, S. Y. (2022). SoftVideo: Improving the Learning Experience of Software Tutorial Videos with Collective Interaction Data. In 27th International Conference on Intelligent User Interfaces, 646-660.

14.  Yusoff, H. K. (2022). Big Data-Based Image HandlingA Review of Implementation Using Amazon Web Services. Multimedia Technologies in the Internet of Things Environment, Volume 3, 95-106.

15.  Zhang, J., y Lin, M. (2022). A comprehensive bibliometric analysis of Apache Hadoop from 2008 to 2020. International Journal of Intelligent Computing and Cybernetics, (ahead-of-print).

 

2022 por los autores. Este artculo es de acceso abierto y distribuido segn los trminos y condiciones de la licencia Creative Commons Atribucin-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).|

Métricas del Artículos

Cargando Métricas.....

Metrics powered by MI WEB PRO

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia


Copyright (c) 2022 Paúl Andrés Valdivieso-Avilés, Javier Bernardo Cabrera-Mejía, Andrés Sebastián Quevedo-Sacoto

URL de la Licencia: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es

Polo de Capacitación, Investigación y Publicación (POCAIP)

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: [email protected]

URL: https://www.dominiodelasciencias.com/

DOI: https://doi.org/10.23857/pocaip