Open Access

Data analytics tasks on large datasets are computationally intensive and often demand the compute power of cluster environments. Yet, data cleansing, preparation, dataset characterization and statistics or metrics computation steps are frequent. These are mostly performed ad hoc, in an explorative manner and mandate low response times. But, such steps are I/O intensive and typically very slow due to low data locality, inadequate interfaces and abstractions along the stack. These typically result in prohibitively expensive scans of the full dataset and transformations on interface boundaries. In this paper, we examine R as analytical tool, managing large persistent datasets in Ceph, a wide-spread cluster file-system. We propose nativeNDP – a framework for Near Data Processing that pushes down primitive R tasks and executes them in-situ, directly within the storage device of a cluster-node. Across a range of data sizes, we show that nativeNDP is more than an order of magnitude faster than other pushdown alternatives.

Ganz gleich, ob im privaten oder beruflichen Alltag, begleiten uns digitale Medien heute nahezu überall. Dabei dienen sie nicht nur zur Unterhaltung, sondern helfen uns, Arbeitsabläufe effizienter und produktiver durchzuführen. Doch die Arbeit des Menschen ist bei Weitem nicht überflüssig geworden. Durch die steigenden Anforderungen ist die Nachfrage nach qualifiziertem Fachpersonal heute höher denn je. Währenddessen müssen Mitarbeiter in der Lage sein, mit der rasanten Entwicklung neuer Produkte und Technologien Schritt zu halten. Dabei ist eine qualitative Aus- und Weiterbildung unumgänglich. Beginnend mit der Bildung von Medienkompetenz in Schulen bis hin zur Fach- und Berufsbildung sowie beruflichen Weiterbildung, muss der Umgang mit digitalen Technologien gelehrt sein. Darüber hinaus bieten diese Technologien neue Potenziale zur Verbesserung von Bildungskonzepten und können zudem dabei helfen, den Lernerfolg zu steigern. Diese Arbeit beschäftigt sich mit der Evaluation einer VR-basierten Lernumgebung und untersucht mögliche Auswirkungen auf den Lernerfolg durch die verkörperte Darstellung eines virtuellen Instruktors. Dazu wurde die technische Implementierung einer kollaborativen Lernumgebung vorgenommen, mit welcher anschließend eine Versuchsreihe mit 16 Probanden durchgeführt wurde. Im Hinblick auf eine mögliche Steigerung der Effizienz in der eigenständigen Bewältigung von Montageaufgaben nach unterschiedlichen Instruktionsarten, wurden keine signifikanten Leistungsverbesserungen festgestellt.

In den letzten Jahren hat das Gebiet der additiven Fertigung einen unglaublichen Schub erfahren. Es haben sich kostengünstige Endkonsumerdrucker in der sogenannten "Makerszene" verbreitet, die vielfältige neue Fertigungsmöglichkeiten bieten. Überzogene Berichterstattungen über diese Möglichkeiten haben einen wahren Hype ausgelöst. Trotz der entstandenen neuen Chancen zur Fertigung von Produkten bleiben die realisierbaren Möglichkeiten oft hinter den Erwartungen zurück. Einerseits liegt das an der Teilequalität und an den zur Verfügung stehenden Materialien. Andererseits kommen im Endkonsumerbereich überwiegend Drucker auf der Basis des FDM- oder DLP-Verfahrens zum Einsatz, damit ergibt sich folglich eine sehr eingeschränkte Verfahrenspalette.

Die vorliegende Erfindung betrifft ein Verfahren zum Bestimmen einer Fehlspannung eines Stromrichters, an den eine Last, insbesondere in Form einer Drehfeldmaschine wie Asynchronmaschine, angeschlossen ist, bestimmt und ggf. kompensiert wird, wobei eine Ausgangsspannung an dem Stromrichter stufen- oder schrittweise erhöht und der sich hierbei als Sprungantwort einstellende Strom gemessen wird. Die Erfindung betrifft weiterhin eine Drehfeldmaschine beispielsweise in Form einer Asynchronmaschine, mit einer Leistungselektronik umfassend einen tromrichter sowie einer Kompensationseinrichtung zum Kompensieren der Fehlspannung des Stromrichters, sowie weiterhin ein Verfahren zum Betreiben und/oder Steuern einer solchen Drehfeldmaschine, bei dem die Fehlspannung des Stromrichters bestimmt und kompensiert wird.

In this paper, we deal with optimizing the monetary costs of executing parallel applications in cloud-based environments. Specifically, we investigate on how scalability characteristics of parallel applications impact the total costs of computations. We focus on a specific class of irregularly structured problems, where the scalability typically depends on the input data. Consequently, dynamic optimization methods are required for minimizing the costs of computation. For quantifying the total monetary costs of individual parallel computations, the paper presents a cost model that considers the costs for the parallel infrastructure employed as well as the costs caused by delayed results. We discuss a method for dynamically finding the number of processors for which the total costs based on our cost model are minimal. Our extensive experimental evaluation gives detailed insights into the performance characteristics of our approach.