云数据中心大数据工作流优化：布局设计与成本节省策略

本篇论文深入探讨了在云数据中心中大数据工作流的高效布局设计与存储成本节约的关键问题。作者玛丽·居里，作为南巴黎电信和皮埃尔大学联合的博士生，针对日益增长的云服务需求，特别是数据存储服务的普及，提出了针对云多数据中心环境中的大数据管理挑战的创新研究。云计算作为大数据发展的重要推动力，通过多地理分布的基础设施，支持了大规模数据处理和按需扩展，成为支持大数据系统的重要平台。 云大数据系统往往采用工作流模型，如MapReduce，这种模式被广泛应用于开发需要处理海量数据的应用程序。然而，这种工作流模型引入了新的依赖性和中间数据交换的需求，因为任务之间的交互和数据共享对存储资源的管理和效率有着显著影响。尤其是在选择分布式数据和存储资源时，如何平衡性能和成本，以及有效地管理中间数据，成为了亟待解决的问题。 论文的核心贡献在于设计并实现了针对大数据放置问题的模型和算法，充分考虑了工作流在底层地理分布式云架构中的特性和要求。通过将中间数据管理视为首要任务，作者不仅提供了具体解决方案，还提出了一种通用且全面的方法，旨在优化数据管理成本，提高整体系统的性能和资源利用率。这一研究对于那些寻求在云环境中降低成本并提升大数据处理效率的工业和科学研究机构具有重要的实践价值。 评审过程中，论文得到了来自不同学术背景的专家，如Hamamache Kheddouci、Lynda Mokdad等人的关注和评价，他们对论文的创新性和实用性给予了高度认可。论文最终获得了南巴黎电信公司的总裁批准，证明了其在理论与实际应用上的双重成功。NNT编号2017TELE0020进一步确认了这项研究的学术地位。 本论文通过对云数据中心中大数据工作流的深入分析和优化策略，不仅推动了云计算技术在大数据处理领域的进步，也为相关行业的存储和资源管理策略提供了有价值的方向。