مقاله مروری داده های کلان در محاسبات ابری
در این بخش دانلود رایگان ترجمه مقاله مروری داده های کلان در محاسبات ابری (چشم انداز مدیریت منابع) با عنوان انگلیسی Big Data in Cloud Computing: A Resource Management Perspective آماده کرده ایم که در ادامه توضیحاتی از چکیده و مقدمه ارائه شده و لینک دانلود نسخه فارسی و انگلیسی قرار داده شده است.
چکیده مقاله
پیشرفت های روز افزون به طور فزاینده ای زندگی ما را دیجیتالی می کند و منجر به رشد سریع داده ها شده است. چنین مجموعه داده های چند بعدی به دلیل پتانسیل کشف دانش جدید و ایجاد بینش تصمیم گیری از آنها با ارزش است. تجزیه و تحلیل حجم عظیم داده های متعدد می تواند سازمان ها را برای برنامه ریزی برای آینده و پیش بینی تغییر روند بازار و نیاز های مشتری یاری دهد. در حالی که چارچوب Hadoop یک بستر محبوب برای پردازش مجموعه داده های بزرگتر است، تعدادی زیر ساخت های محاسباتی دیگر نیز وجود دارد که برای استفاده در دامنه های مختلف برنامه در دسترس است. تمرکز اصلی این مقاله، نحوه طبقه بندی عمده سیستم های مدیریت منابع داده های کلان یا داده های عظیم (Big Data) در زمینه محاسبات ابری یا Cloud Computing است. در این مقاله ما ما برخی از ویژگی های کلیدی را مشخص می کنیم که چارچوب های داده های بزرگ و همچنین چالش ها و مشکلات مرتبط با آن ها را مشخص می کند.
مقدمه مقاله
در این مقاله ما در چهارچوب محیط محاسبات ابری که برای مقابله با مدیریت منابع فوق و مشکلات مقیاس پذیری طراحی شده، به بررسی برخی از چارچوب های داده های بزرگ محبوب و پر کاربرد می پردازیم. هدف اصلی از این مطالعه، چگونگی طبقه بندی سیستم های بزرگ مدیریت منابع داده های مختلف است. ما از معیار های ارزیابی مختلف برای چارچوب داده های بزرگ محبوب از جنبه های مختلف استفاده می کنیم. ما همچنین برخی از ویژگی های کلیدی که چارچوب های داده های بزرگ (Big Data) و همینطور چالش ها و مشکلات مرتبط با آنها را مشخص می کند، شناسایی می کنیم. ما معیارهای انتخاب مطالعه خود را به مطالعات تجربی از ادبیات موجود با شواهد گزارش شده در مورد ارزیابی عملکرد چارچوب های مدیریت منابع داده بزرگ محدود کردیم.
فهرست مطالب مقاله
- چیکده
- مقدمه
- چارچوب هادوپ (Hadoop)
- چارچوب آپاچی اسپارک (Apache Spark)
- چارچوب آپاچی استورم (Apache Storm)
- چارچوب Apache Samza
- ارزیابی مقایسه ای چارچوب داده های بزرگ
- سرعت پردازش
- پشتیبانی از یادگیری ماشین و کارهای تکراری
- پشتیبانی از اندازه داده
- بحث در چارچوب داده های بزرگ
- کار مرتبط
- نتیجه گیری و کار آینده
- مشاهدات و یافته ها
- کار های آینده
هیچ نظری ثبت نشده است