ارائه ساختاری کشسان برای ذخیره سازی داده های بزرگ بر پایه منطق فازی و اتوماتای یادگیر

Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 508

This Paper With 29 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

SCECE05_006

تاریخ نمایه سازی: 25 دی 1399

Abstract:

سیستم های محاسباتی برای اینکه بتوانند پاسخگوی نیازهای بشر در مسائل و کاربردهای مختلف علمی، تجاری، اجتماعی و ... باشند بطور گسترده ای در حال کامل شدن هستند. قدرت و توان محاسباتی و پردازش اطلاعات، ظرفیت ذخیره سازی اطلاعات، در دسترس پذیری بیشتر منابع و ... از ابعاد مختلف تکامل سیستم های محاسباتی محسوب می شود. رایانش ابری یکی از رویکرد های جدید محاسباتی است که در چند سال اخیر مورد توجه بسیار قرار گرفته است و در حال گسترش است. اما در خصوص شناخت صحیح این سیستم محاسباتی بعنوان یک فناوری جدید و جایگاه آندر بین دیگر فناوری های محاسباتی ابهامات زیادی وجود دارد. مانند نرم افزار، افرادی که در زمینه رایانش ابری فعالیت دارند، به دلیل اینکه از حوزه های مختلف پایگاه داده، شبکه و ... وارد آن شده اند، دارای دیدگاه های مختلفی در مورد آن هستند که همین موضوع سبب ایجاد تعاریف و رویکردهای مختلف در مورد رایانش ابری شده است. با تغییر مقیاس، ذخیرهسازی ابر می تواند توان عملیاتی بالا و ذخیره سازی کافی یا منابع محاسباتی را برای کاربران، تأمین کند. با این حال، می توان نتیجه گرفت که تغییر مقیاس تا حد زیادی مصرف برق، مخارج سرمایه ای و هزینه عملیات را افزایش می دهد. رایانش ابر، علاوه بر تأمین درخواست های منابع و سرویس ها، شاخص برجسته ای برای دسترسی بالای داده های کاربر می باشد. در این مقاله روش کشسانی برای سیستم ذخیره سازی رایانش ابری که با داده های بزرگ کار می کنند، با استفاده از سیستم نظارت و کنترل مبتنی بر منطق فازی و اتوماتای یادگیر ارائه می گردد. در روش پیشنهادی با استفاده از نظارت مستمر بر دسترسی گره های داده در استفاده از بلوک های داده تصمیم گیری در مورد اضافه و کم کردن بلوک ها با استفاده از اتوماتای یادگیر و منطق فازی انجام می شود.به طور کلی استفاده از منطق فازی و تنظیم دقیق حدآستانه ها با استفاده از اتوماتی یادگیر موجب ارائه یک سیستم دقیق کشسان برای فضای ذخیره سازی داده های بزرگ در ابر می شود. نتایج عملکرد روش پیشنهادی نشان می دهد که این روش نسبت به روش های پیشین، میزان زمان خواندن را به میزان 8.1 درصد، زمان نوشتن را به میزان 7.2 درصد و زمان پاسخگویی را به میزان 6.8 درصد کاهش می دهد.

Authors

حسن ضیافت

دانشگاه آزاد اسلامی، واحد نطنز، گروه کامپیوتر، نطنز، ایران