داده های بزرگ بر روی محاسبات ابری : اصول و مفاهیم ، تکنیک ها و ابزارها، فرصتها و چالشها

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,680

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CECCONF01_024

تاریخ نمایه سازی: 22 آبان 1395

چکیده مقاله:

ما در عصر داده زندگی می کنیم و با حجم انبوه اطلاعات از منابع مختلف مانند گوشی های هوشمند، شبکه های اجتماعی، اطلاعات کاربران از سایتهای مختلف، که با فرمتهای مختلف ذخیره شده اند مواجه هستیم.تجزیه و تحلیل داده ها با حجم زیاد با استفاده از تکنولوژی پایگاه داد های سنتی و رابطه ای دشوار است که پایگاه داده های جدید مطرح شده است،و به همین دلیل امروزه داده بزرگ به یکی از موضوعات جدید در IT و کسب و کار تبدیل شده است.همچنین محاسبات ابری نیز یکی از تکنولوژی های قدرتمندی است که در محاسبات پیچیده و بزرگ کار می کند و محاسبات ابری کاربران را از سخت افزار، نرم افزار، و فضا بی نیاز می کند و می توان کلان داده ها را بر روی محیط ابری سوق داد. در این مقاله به بررسی تعاریف و مفاهیم اساسی ، ویژگی ها، معرفی ابزارها و تکنیک ها، طبقه بندی و ارتباط داده های بزرگ با محاسبات ابری پرداخته می شود و علاوه بر این سیستم های ذخیره سازی ، فرصت ها و چالش ها، و اصول طراحی کلان داده مورد بررسی قرار گرفته است.

کلیدواژه ها:

محاسبات ابری و داده بزرگ ، چالش های داده بزرگ ، تکنیکها و ابزارهای داده بزرگ

نویسندگان

معصومه موسایی

دانشگاه غیرانتفاعی شهید اشرفی اصفهانی

مهدی موسایی

دانشگاه آزاد اسلامی واحد اصفهان

ناصر نعمت بخش

دانشگاه غیرانتفاعی شهید اشرفی اصفهانی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • P. Zikopoulos, K. Parasuraman, T. Deutsch, J. Giles, D. C ...
  • J.J. Berman, Introduction, in: Principles of Big Data, Morgan Kaufmann, ...
  • _ J. Gantz, D. Reinsel, Extracting value from chaos, IDC ...
  • J.K. Laurila, D. Gatica-Perez, I. Aad, J. Blom, O. Bornet, ...
  • D.E. O'Leary, Artificial intelligence and big data, IEEE Intell. Syst. ...
  • M. Chen, S. Mao, Y. Liu, Big data: a survey, ...
  • D. Talia, Clouds for scalable big data analytics, Computer 46 ...
  • J. Dean, S. Ghemawat, MapReduce: simplified data processing on large ...
  • P. Mell, T. Grance, The NIST definition of cloud computing ...
  • R. Cattell, Scalable SQL and NoSQL data stores, ACM SIGMOD ...
  • S. Das, D. Agrawal, A. El Abbadi, G-store: a scalable ...
  • S. Lee, H. Park, Y. Shin, Cloud computing availability: multi-clouds ...
  • R. Sravan Kumar, A. Saxena, Data integrity proofs in cloud ...
  • R. Akerkar, Big Data Computing, CRC Press, 2013. ...
  • T.C. Redman, A. Blanton, Data Quality for the Information Age, ...
  • D. Che, M. Safran, Z. Peng, From big data to ...
  • C. Ning, W. Cong, M. Li, R. Kui, L. Wenjing, ...
  • L. Hsiao-Ying, W.G. Tzeng, A secure erasure code-based cloud storage ...
  • Z. Xuyun, L. Chang, S. Nepal, S. Pandey, C. Jinjun, ...
  • Jeffrey Deam, Sanjay Ghemawat, Mapreduce: simplified data processing on large ...
  • Michael Isard, Mihai Budiu, Yuan Yu, Andrew Birrell, Dennis Fetterly, ...
  • Hui Li, Geoffrey Fox, Judy Qiu, Performance model for parallel ...
  • Grant Ingersoll, Introducing apache mahout: scalable, c ommerci al-friendly machine ...
  • Storm, 2012. <http :/storm-proj ect.net/>. ...
  • Nathan Marz, James Warren, Big data: principles and best practices ...
  • Lee Garber, Using in-memory analytics to quickly crunch big data, ...
  • Pavan Sridhar, Neha Dharmaji, A comparative study on how big ...
  • Tamer M. Ozsu, Patrick Valduriez, Principles of Distributed Database Systems, ...
  • نمایش کامل مراجع