ارائه یک معماری توزیع شده موازی برای ذخیره و پردازش مجموعه داده های بزرگ

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 674

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ITCC01_193

تاریخ نمایه سازی: 9 فروردین 1395

Abstract:

در دوره ای زندگی می کنیم که تکنولوژی های انباره داده، سخت افزار و نرم افزار به سمت نقطه ای تغییر مسیر دادهاست که ذخیره انبوهی از داده ساخت یافته و غیرساخت یافته خیلی ارزان تر شده است. محبوبیت فزاینده رسانه هایجمعی موجب انباشتگی مقدار حجیمی از داده، غالبا غیرساخت یافته شده که آنالیز این داده می تواند منجر به استخراجبینش های با ارزش شود. استخراج اطلاعات معنی دار، کاربردی و صحیح در یک زمان مناسب از مجموعه داده هایبسیار بزرگ یک عملیات پیچیده ای است که نیاز به انتخابی دقیق در نرم افزار و سخت افزار زیرساخت و مدل دادهصحیح دارد. لایه های معماری ذخیره و پردازش داده و در نهایت استخراج اطلاعات کاربردی تابع ساختار ساسله مراتبیایی هست که تفکیک سطوح، انعطاف پذیری و قابلیت همزیستی با ساختار کنونی سازمان در آن از اهمیت زیادیبرخوردار است. این مقاله مسئله ذخیره، پردازش و واکشی بینش هدف دار از پتابایت ها داده را بررسی می کند. در اینراستا یک بررسی درباره تکنولوژی های موازی و توزیع شده داده کنونی خواهد شد و مبتنی بر آنها یک معماری بهینه وکاربردی پیشنهاد می گردد.

Authors

سعید گلزار

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

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • _ Internatiotal Conference om Information Technology, Computer & Communication 28 ...
  • Tom White, Hadoop: The Definitive Guide, O'Reilly, 2014 ...
  • G. Bruce Berriman, Steven L. Groom, How Will Astronomy Archives ...
  • Pat Helland, If You Have Too Much Data, then :Good ...
  • Apache Hadoop, http : //en.wikipedia. _ g/wiki/Hadoop ...
  • Apache Software Foundation, Apache Hadoop, http ://wiki .apache. org/hado op/FrontPage ...
  • Jeffrey Dean, Sanjay Ghemawat, MapReduce: A Flexible Data Processing Tool, ...
  • Mark C. Chu-Carroll, Databases are hammers; MapReduce is a screwdriver, ...
  • s_ar e_h amme rS_mapre duc .php ع http :/scienceblogs _ ...
  • Cisco, Cisco Visual Networking Index: Global Mobie Data Traffic Forecast ...
  • Doug Henschen, New York Stock Exchange Ticks on Data Warehouse ...
  • IBM, IBM 350 disk storage unit, http://www- ...
  • Wikipedia, History of IBM magnetic disk drives, ...
  • Wikipedia, History of hard disk drives, ...
  • Seti@home, SETI project, http ://setiatlome .berkeley. edu/ ...
  • Anand Rajaraman, More data usually beatsbetter algorithms, part I and ...
  • Jonathan Good, How many photos have everbeen taken?, Sep 2011, ...
  • James Bennett, Stan Lanning, The NetfliPrize, Proceedings of KDD Cup ...
  • Dean, J., Ghemawat, S.: MapReduce :simplified data processing on large ...
  • Stephen Messenger, Meet the world's mostpowerful weather _ upercomputer, 2009, ...
  • Pavlo, A., Paulson, E., Rasin, A., Abadi, D.J., DeWitt, D.J., ...
  • M. Tamer 6zsu _ Patrick Valduriez, Distributed and Parallel Database ...
  • Seagate, Performance Cons iderations, ...
  • http ://www. seagate _ c _ m/www/enu s/supp ort/b _ ...
  • Panos Vassiliadis, A Survey _ Extract-Trans form-Load Technology, International Journal ...
  • M. Stonebreaker et al., MapReduce and Parallel DBMSs: Friends or ...
  • Apache HBASE, http ://hbase. apache.org/ ...
  • نمایش کامل مراجع