تولید ابزار آزمایشگاهی برای مدلسازی پایگاه داده فازی در قالب فایل های HDFS با استفاده از ابزار Apache Hive
Publish place: The Second National Conference on New Approaches in Computer and Electrical Engineering
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 548
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
BPJ02_009
تاریخ نمایه سازی: 11 آبان 1395
Abstract:
در سال های پیش رو انتظار می رود که افزایش روز افزون حجم و تنوع داده ها، استفاده از ابزارهای مدیریت، نگهداری، و تحلیل داده های بزرگ را به بزرگترین دغدغه فعالان حوزه فناوری اطلاعات تبدیل کند. در این میان، هماهنگ سازی و ایجاد امکان استفاده از تکنولوژی های موفق گذشته در بستر ابزارهای مدیریت و استفاده از داده های بزرگ ضروری و با ارزش به نظر می رسد. در همین راستا، این تحقیق به بررسی امکان پیاده سازی مفاهیم پایگاه داده فازی با ابزارهای داده های بزرگ به منظور نیل به دست آورد های هر دو فناروری می پردازد. تولید ابزار آزمایشگاهی برای ذخیره سازی، بازیابی و اعمال کوئری روی داده های فازی در بستر ابزارهای داده های بزرگ بیشترین تلاش تحقیق را به خود معطوف کرده است. محصول این تحقیق ارایه چارچوب و تولید ابزار آزمایشگاهی برای مدلسازی یک پایگاه داده رابطه ای فازی روی فایل های HDFS می باشد. به بیان دیگر این تحقیق به تولید یک FSQL و پیاده سازی آن برای نگهداری داده ها روی بستر Hadoop و در قالب فایل های HDFS پرداخته است. ابزار رابط بین ابزار آزمایشگاهی و سیستم فایل Hadoop ، Apache Hive است. با توجه به عدم پایداری ابزار داده های بزرگ، آماده سازی بستر و راه اندازی ابزار داده های بزرگ، و البته برقراری ارتباط بین ابزار توسعه نرم افزار و ابزار داده های بزرگ از مهم ترین چالش های پیش روی تحقیق بوده است.
Keywords:
داده های بزرگ , زبان پرس و جوی فازی (FSQL) , زبان توصیف داده فازی (FDDL) , زبان دستکاری داده های فازی (FDML) , سیستم فایل Hadoop
Authors
مرتضی خانی دهنوی
مربی، دانشگاه مهندسی فناوری های نوین قوچان،
حمید بیدختی
دانشجوی کارشناسی ، دانشگاه مهندسی فناوری های نوین قوچان،
مهدی خانی دهنوی
دانشجوی دکتری، دانشگاه فردوسی مشهد
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 :