سید بهنام حسینی - کارشناسی ارشد، دانشکده علوم کامپیوتر، دانشگاه پویش، قم.

شرکت‎ها و ارائه‎کنندگان خدمات ابری افزایش چشمگیری در میزان حجم داده ذخیره شده در فضای ابر عمومی و خصوصی را داشته اند. بنابراین هزینه ذخیره سازی داده ها در حال رشد است. زیرا آن ها از تنها عملکرد لایه ذخیره سازی برای ذخیره سازی تمام داده های ابری استفاده می کنند. این موضوع قابل توجه است که برای کاهش هزینه‎های ابری، داده ها را به دو دسته فعال (گرم) و غیرفعال (سرد) طبقه بندی می کنند. با توجه به پژوهش در حافظه اصلی پایگاه داده‎ها، آثار اخیر در مورد روش‎های متمرکز برای شناسایی داده‎های گرم و داده های سرد است. روش پیگیری تاپل شناسایی است و به شناسایی گرم و سرد شناخته می‎شود. در مقابل، ما یک رویکرد جدید به نام روش LOAD DATA INFILE که آهنگ هر دو تاپل‎ها در دسترسی ذخیره سازی ثانویه پایگاه‎های داده است را معرفی می‎کنیم. هدف ما به منظور افزایش عملکرد در شرایط سه بعد است که عبارتند از: فضای ذخیره‎ سازی، زمان سپری شده پرس وجو، و مصرف CPU. به منظور تایید اثربخشی روش‎مان، پیاده سازی دقیق آن را بر روی رویکردLOAD DATA INFILE Approach (LDA) متوجه شدیم که سطرها را از یک فایل متنی داخل یک جدول با سرعت بسیار بالا با استفاده از معیار شناخته شده qps و TPC-H می خواند. نتایج تجربی نشان می‎دهد که عملکرد رویکرد LOAD DATA در مقایسه با روش prepare_data، رویکرد بهتری را نسبت به دو بعد عملکرد دارد. به طور خاص، در عملکرد LOAD DATA کاهش فضای ذخیره سازی ۱۴ الی ۶۲ درصد به طور متوسط صورت گرفته و کاهش متوسط زمان پرس و جوی سپری شده نیز ۲۸۰ الی ۴۴۰ برابر نسبت به رویکرد سنتی پایگاه داده است.

رایانش ابری، ذخیره سازی ابری ، حافظه اصلی پایگاه داده، داده گرم/سرد، مدیریت داده سرد