Modularizing crosscutting concerns with ptolemy

Rajan, Hridesh; Mooney, Sean L.; Leavens, Gary T.; Dyer, Robert; Fernando, Rex D.; Darab, Mohammad Ali Darvish; Welter, Bryan

doi:10.1145/2048147.2048163

Cited by 3 publications

(1 citation statement)

References 2 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Por último, tal y como señala Guller (2015), se vive en una era de Big Data lo que motiva el desarrollo y aparición de nuevas tecnologías para el soporte de Big Data. Es así como, se prevé que, en un trabajo futuro, se analice la aplicabilidad teórico y práctica de la POA, en particular de AspectJ, sobre otros tecnologías de Big Data tales como Giraph (Martella et al, 2015) y Spark (Shi et al, 2016), para finalmente probar el uso de otros enfoques de POA tales como JPI (Bodden et al, 2014) y Ptolemy (Rajan et al, 2011) sobre tecnologías Big Data; y así, evaluar su efectividad y rendimiento práctico.…”

Section: Resultsunclassified

En la Búsqueda de Soluciones MapReduce Modulares para el Trabajo con BigData: Hadoop Orientado a Aspectos

et al. 2018

View full text Add to dashboard Cite

En la búsqueda de soluciones MapReduce modulares, la principal meta de este trabajo es aplicar Hadoop y AspectJ para la definición de funciones Aspect-Combine. MapReduce es un enfoque de computación para trabajar con grandes volúmenes de datos (BigData) en un entorno distribuido, con altos niveles de abstracción y con el uso ordenado de funciones Map y Reduce, la primera de ellas para el mapeo o identificación de datos relevantes y la segunda para resumir datos y resultados finales. Hadoop es una aplicación libre de MapReduce que permite la definición de funciones Combine para la agrupación local de datos en la fase de Mapeo y así minimizar el tráfico de información entre Mapper y Reducer. Sin embargo, la ejecución de Combine no es garantizada en Hadoop, asunto que motivó este trabajo. Como resultado, se alcanza un mayor grado de modularización desde un punto de vista teórico, y desde el punto de vista práctico también existen mejoras en rendimiento. Palabras clave: procesamiento de información; aplicaciones bigdata; arquitectura de software modular; orientación a aspectos

show abstract

Section: Resultsunclassified

En la Búsqueda de Soluciones MapReduce Modulares para el Trabajo con BigData: Hadoop Orientado a Aspectos

et al. 2018

View full text Add to dashboard Cite

show abstract

Aspect-Combining Functions for Modular MapReduce Solutions

Vidal-Silva¹,

Villarroel²,

Rubio³

et al. 2018

ijacsa

View full text Add to dashboard Cite

MapReduce represents a programming framework for modular Big Data computation that uses a function map to identify and target intermediate data in the mapping phase, and a function reduce to summarize the output of the map function and give a final result. Because inputs for the reduce function depend on the map function's output to decrease the communication traffic of the output of map functions to the input of reduce functions, MapReduce permits defining combining function for local aggregation in the mapping phase. MapReduce Hadoop solutions do not warrant the combining functioning application. Even though there exist proposals for warranting the combining function execution, they break the modular nature of MapReduce solutions. Because Aspect-Oriented Programming (AOP) is a programming paradigm that looks for the modular software production, this article proposes and apply Aspect-Combining function, an AOP combining function, to look for a modular MapReduce solution. The Aspect-Combining application results on MapReduce Hadoop experiments highlight computing performance and modularity improvements and a warranted execution of the combining function using an AOP framework like AspectJ as a mandatory requisite.

show abstract

A unified design of capsules

Mooney

View full text Add to dashboard Cite

The process of reading, writing, and reasoning about concurrent programs benefits from better abstractions for concurrency than what many common languages, such as Java, offer. Capsule-oriented programming and the Panini language utilize the idea of combining state and control within a linguistic mechanism along with asynchronous message passing to provide sequentially trained programmers with an actor-like language that preserves the expected sequential semantics. The initial design of the Panini language splits the world into two distinct elements-capsules and systems. A capsule acts as the unit of both modularity and concurrency in the program. A system acts as the sole point of composition for capsule instances. The problem is that the dichotomy between systems and capsules leads to uncomposable and non-modular programs. The connections between capsule instances in a system declaration are fixed at exactly one point and all capsules instances in program must be declared and connected to each other at a single block of code. This thesis will explore the implications on modularity and reuse of systems when a basic design decision-separating capsules and systems-is relaxed to allow a capsule to declare an internal composition of other capsule instances. Address search(String name); 4 } 5 capsule CSVBook(File file) implements Book { ... } 6 capsule ISUBook implements Book { ... } 7 capsule Search(Book[] books) { 8 List

search(String name) {

show abstract

Modularizing crosscutting concerns with ptolemy

Cited by 3 publications

References 2 publications

En la Búsqueda de Soluciones MapReduce Modulares para el Trabajo con BigData: Hadoop Orientado a Aspectos

En la Búsqueda de Soluciones MapReduce Modulares para el Trabajo con BigData: Hadoop Orientado a Aspectos

Aspect-Combining Functions for Modular MapReduce Solutions

A unified design of capsules

Contact Info

Product

Resources

About