好，先说下，感觉这篇文章很不错，现在看了些icse的文章，觉得top conference的papers就是不一样啊，内容和写作上很多都值得学习。这篇文章，我觉得在这2方面做得都很好。
从研究内容的意义上，探究的big data computing platform的service 的quality如何的问题。
从写作上，思路清晰，图表使用合理，结构安排恰当，条理清晰，重点加粗显示，结论方框框出等等，语言流利。反观自己COMPSAC的文章，觉得单内容的饱满型就很薄弱。。。都不好意思拿出手了。
好回来，讲这篇文章的主要研究内容：
我们都知道，现在都是大数据计算，云计算。本文从Microsoft的提供big data computing的platform着手，研究该平台在给用户提供数据计算服务时的质量问题，即我们通常关心的这个平台服务质量如何呀，会不会经常让task跑的失败啊，失败的原因又是啥子嘞，处理的方法通常又是怎样的，其故障发生后，issues的处理时间如何等。本文就依次用各种表格文字对以上问题进行了回答。其操作就是，随机抽取了210个用户跑任务出现问题时提交issue records及其对应的讨论解决方案的emails，找几个公司的员工人为去读它们。。然后通过相关统计分析对以上问题得出结论：
1）issues的分类大概有5类，分别是job失败，job结果错误，job slowdown，连接失败，service unavailable。
2）大多数issues的优先级在medium和high级别，very high的不多。这里issues一般按照business impact和severity排优先级。这个优先级好像是用户给出的，我觉得这个结果可能会与真实情况有偏差，因为，人们在自己的任务失败时，均希望自己的job fail能尽快得到解决而可能将其优先级设置的偏高，之前在百度实习的时候就经历过这样的。。好几个人都将自己的job priority设置的很高，不过我想这个在系统里应该比较容易控制。大家都高的话往往就相当于都不高了。。
3）导致issues出现的原因分为3类：硬件本身的问题，platform本身系统的问题，用户使用不当，具体每一类又有子类，这里就不列举相关结论了。。
4）issues出现后，开始相应的时间大部分1.5h内都能相应，几天内都能彻底解决。
5）最后还对platform的容错性进行了讨论，这里就不说了。。打字打累了。。
以上！
好好学习，天天向上！
zou@NanChang
2015-07-22 14:06
网友评论