BDGS：大数据基准测试中的可扩展大数据生成器套件
BDGS: A Scalable Big Data Generator Suite in Big Data Benchmarking
摘要：
数据生成是大数据基准测试中的一个关键问题，旨在生成特定于应用程序的数据集，以满足大数据的4V要求。具体来说，大数据生成器需要在可控的生成速率（Velocity）下生成不同类型（Variety）的可扩展数据（Volume），同时保持原始数据的重要特性（Veracity）。这给我们如何有效和成功地设计发电机带来了各种新的挑战。到目前为止，大多数现有技术只能生成有限类型的数据，并支持特定的大数据系统，如Hadoop。因此，我们开发了一个工具，称为大数据生成器套件（BDGS），有效地生成可扩展的大数据，同时采用来自真实数据的数据模型，以保持数据的准确性。BDGS的有效性通过开发六个数据生成器，涵盖三个代表性的数据类型（结构化，半结构化和非结构化）和三个数据源（文本，图形和表格数据）。
英文摘要：
Data generation is a key issue in big data benchmarking that aims to generate application-specific data sets to meet the 4V requirements of big data. Specifically, big data generators need to generate scalable data (Volume) of different types (Variety) under controllable generation rates (Velocity) while keeping the important characteristics of raw data (Veracity). This gives rise to various new challenges about how we design generators efficiently and successfully. To date, most existing techniques can only generate limited types of data and support specific big data systems such as Hadoop. Hence we develop a tool, called Big Data Generator Suite (BDGS), to efficiently generate scalable big data while employing data models derived from real data to preserve data veracity. The effectiveness of BDGS is demonstrated by developing six data generators covering three representative data types (structured, semi-structured and unstructured) and three data sources (text, graph, and table data).
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
