چندمستاجری در پایگاه داده اوراکل
Publish place: چهارمین کنفرانس بین المللی علوم و مهندسی
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 421
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICESCON04_139
تاریخ نمایه سازی: 25 آذر 1395
Abstract:
در معماری مبتنی بر ابر چندمستاجری جزئی از رایانشابری است. که میتواند هم برای کاربران و هم برای ارتقاءدهندگان سیستم مفید باشد. هزینه های تولید و پیشرفته سازی برای سازندگان سیستم ها با استفاده از چندمستاجری بسیار بهبود مییابد. شرکت های مختلف میتوانند یک برنامه ی سفارشی را به بازار عرضه کنند ولی با این وجود میتوانند راه های خصوصی سازی برنامه را نیز به اجرا درآورند و میتوان به جای اینکه چندین برنامه را برای استفاده خاصی از یک موضوع طراحی کنیم با استفاده از چند- مستاجری همه این کارها در قالب یک برنامه جامع، به اجرا درآوریم. توسعه و نگهداری سیستم های چندمستاجری از لحاظ هزینه بسیار به صرفه تر است چون این سیستم تنها یک پلتفرم دارد. در چندمستاجری مشتریان، سازمان ها و یا تمام افراد که به نوعی مصرف کننده به حساب میآیند، زیرساختها و داده های مورد نظر خود را به اشتراک میگذارند تا بتوانند بهترین عملکرد را از سیستم رایان شابری دریافت کنند. بنابراین این موارد باعث کاهش برنامه های کاربردی برای مستاجران و همچنین پایین آمدن هزینه های عملیاتی در ابر میشوند. در این تحقیق هدف اصلی این است که روش های چند- مستاجری را مورد ارزیابی قرار دهیم و با استفاده از روش سوم چندمستاجری یعنی اشتراک گذاری همزمان پایگاه داده و منابع، کاهش هزینه و زمان را در پایگاهداده اوراکل نشان دهیم. زیرا در میان همه پایگاه داده های توزیع شده، پایگاه داده اوراکل برای پشتیبانی داده های چندمستاجری به صرفه تر است و به کارایی بهتر و کیفیت سرویس دهی با امنیت بالا و کاهش هزینه و زمان کمک شایانی میکند. این کار تنها با رعایت قوانین اشتراکی منابع در حالتی که امنیت حفظ شده باشد و هزینه ها و زمان به حداقل ممکن رسیده باشند و داده ها در پایگاه داده اوراکل پشتیبانی شوند امکان پذیر و سودمند است.
Keywords:
Authors
محبوبه سرگزی
دانشگاه آزاد اسلامی واحد زاهدان
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 :