ارائه ی یک مدل توزیع شده انبارداده در محیط محاسبات ابری

پایان نامه
  • دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد شاهرود - دانشکده مهندسی کامپیوتر
  • نویسنده بهاره مهاجر
  • استاد راهنما حسین مومنی سهیلا کرباسی
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1392
چکیده

انبار داده برای ذخیره مقادیر بزرگ داده استفاده می شود که این داده ها اغلب برای پردازش تحلیلی آنلاین olap)) استفاده می شوند. هدف از این مخازن بزرگ داده حمایت از تصمیم گیری های اولیه در کسب و-کار هوشمند جهت رسیدن به یک پاسخ بهینه از پرس و جوهای تحلیلی پیچیده می باشد. بر خلاف پایگاه-داده سیستم های عملیاتی که دارای معماری رابطه ای می باشند و از نرمال کردن برای جداول استفاده می کنند طراحی انبار داده به شکلی خاص و غیر نرمال می باشد که این امر سبب می شود اتصالات بین جداول کاهش یابد و در نتیجه سبب افزایش سرعت گزارش گیری می شود. محاسبات ابری یک تکنیک مبتنی بر وب می باشد که به موجب آن منابع در قالب سرویس ها به اشتراک گذاشته می شوند. توده عظیمی از داده ها می توانند با هزینه اندک در قالب سرویس های انبار داده، در ابر محاسباتی ذخیره و به اشتراک گذاشته شوند، دو تکنیک انبار داده و محاسبات ابری با حداکثر مزایا و کاهش هزینه می توانند به سازماندهی تجارت هوشمند کمک کنند. در این پایان نامه یک مدل انبار داده توزیع شده را در محیط محاسبات ابری ارئه می-نمائیم. برای ذخیره سازی حجم زیادی از داده ها در ابر هنوز چالش هایی وجود دارد که عمده آنها مربوط به مدیریت پردازش etl و داده های غیر ساخت یافته هستند. چارچوب mapreduce که برای سیستم-های توزیع شده و محاسبات ابری طراحی شده است می تواند راهکاری برای غلبه بر این مشکلات باشد. در mapreduce برای داده ها جفت ( کلید/مقدار) در نظر می گیریم و با توجه به آن یک کلید تعریف می-شود که مطابق با آن کلید می توانیم از داده ها گزارش گیری نماییم. در این پایان نامه با استفاده از چارچوب mapreduce، راهکار mrd را جهت پیاده سازی انواع ساختار داده های حجیم در محیط توزیع شده محاسبات ابری پیشنهاد می نماییم. پس از پیاده سازی انبار داده برنامه شمارش کلمات با زبان c#و پایگاه داده sqlserver، زمان اجرای روش پیشنهادی mrd را با دو الگوریتم hadoop و الگوریتم mraproori مقایسه نمودیم و نشان دادیم که متوسط زمان اجرای الگوریتم پیشنهادی mrd بر روی دو گره، 2.88 برابر سریعتر از الگوریتم mraproori و 2.27 برابر سریعتر از الگوریتم hadoop می-باشد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

متن کامل

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

متن کامل

ارائه یک راه حل برای مقیاس پذیری برنامه ها در محیط محاسبات ابری

امروزه مدلی جدید تحت عنوان محاسبات ابری برای میزبانی و ارائه سرویس ها از طریق اینترنت بوجود آمده است. از آنجاییکه محاسبات ابری نیاز کاربران را برای برنامه ریزی برای تهیه منابع از بین می برد، این مدل محاسباتی برای صاحبان کسب و کار بسیار جذاب می باشد. همچنین این مدل محاسباتی دارای ویژگی هایی است که آن را به مدلی مناسب و مفید برای استفاده سازمان های تجاری تبدیل کرده است و به سازمان ها اجازه می دهد...

ارائه یک راهکار انتساب وظایف آگاه از کیفیت خدمات در محیط محاسبات ابری

الگوریتم های زمانبندی، وظیفه ی توزیع وظایف بین منابع ابر را بر عهده دارند. هدف اصلی زمانبندی در محاسبات ابری کسب رضایت کاربران با پاسخگویی به پارامترههای کیفیت خدمات است. تعداد پارامترهای دخیل در qos بسیار زیاد می باشند. ایجاد یک انتساب بهینه با توجه کردن به پارامترهای qos ، مسئله ایست که محققان بسیاری را از زمان پیدایش محیط ابری تا کنون به جستجو و تحقیق واداشته است. استفاده از الگوریتم های ابت...

بهینه‌سازی ژنتیکی محاسبات سخت در مقابل محاسبات نرم برای مدل‌سازی میراگر MR و ارائه یک مدل شبه استاتیکی وارون‌پذیر

برای بیان رفتار غیرخطی میراگرهای MR بعنوان ابزارهای تثبیت شده‌ی نیمه فعال در کنترل ارتعاشات، مدل‌های مختلفی ارائه شده که در دو عرصه محاسبات سخت و نرم قابل دسته‌بندی‌ هستند. اما تنها برخی قادرند از ویژگی‌های هیستریک و بشدت دینامیکی میراگرهای MR بصورت مستقیم و معکوس، که یک خصیصه‌ی اصلی کنترلی است، بخوبی تقلید کنند؛ بطور دقیق‌تر، انتخاب یک مدل باکیفیت و معکوس پذیر نقش مهمی در کنترل نیمه‌ فعال ایفا...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد شاهرود - دانشکده مهندسی کامپیوتر

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023