ارزیابی معماری داده های حجیم با استفاده از سکوی ابر عمومی برای شبکه های اجتماعی آنلاین

امروزه بررسی شبکه های اجتماعی آنلاین که شامل منابع داده چند رسانهای ناهمگن بحثی چالش برانگیز شده است. انواع معماری کلان داده ها (و تحقق احتمالی آنها) و بررسی این سیستمها، برای هردو پردازش دستهای و جریانی در تعداد زیادی از دامنه های کاربردی، معیار سنجش جوامع صنعتی و آکادمیک شده اند. در این کار، عملکرد دو معماری کلان داده پیشرفته را یعنی Lambda و Kappa ارزیابی کردیم، و تحلیل داده OSN را به عنوان وظیفه مرجع در نظر گرفتیم. در جزییات بیشتر، یک الگوریتم تحلیل تاثیر گذار را بر پلت فرم ابر عمومی Microsoft Azure برای بررسی تاثیر تعدادی از فاکتورها بر کارایی حاصل شده توسط کاربران ابری پیاده سازی و مستقر کردیم. این فاکتورها انواع معماریهای پیاده سازی شده، حجم داده های تحلیلی، اندازه خوشه گره هایی که معماریها و مشخصات آن را تحقق می بخشند، هزینه استقرار و کیفیت خروجی در زمانی که تحلیل در معرض مهلت مقررهایی قرار میگیرد؛ هستند. آزمایشهای تجربی روی Yahoo Flickr Creative Commons 100 Million نشان میدهند که معماری Lambda برای دستهای از مشکلات بررسی شده بهتر از Kappa اجرا میشود. این مقاله به کارشناسان و تازه واردان علاقمند به استفاده از معماریهای کلان داده در پلت فرمهای ابری کمک میکند.

Keywords:

شبکه های اجتماعی آنلاین , تحلیل تاثیر , سنجش شبکه اجتماعی , سنجش ابر عمومی