روندها در تحلیل انبوه داده

قیمت: 42,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

روندها در تحلیل انبوه داده

عنوان لاتین

Trends in big data analytics

یکی از اصلی ترین کاربردهای سیستم های تولید موازی و توزیع شده آینده ، تحلیل داده های انبوه می باشد.انبارهای داده برای چنین کاربردهایی هم اکنون ظرفیت شان از اکزا بایت هم فراتر رفته و به سرعت در حال رشد اندازه هستند.ورای بزرگی محض شان ، این مجموعه های داده ملاحظات مرتبط با کاربردشان ، چالش های چشم گیری را برای توسعه متد و نرم افزار ، ایجاد می کنند.مجموعه داده ها اغلب توزیع شده اند و اندازه و ملاحظات حری خصوصی شان ، تکنیک های توزیع شده را تضمین می کنند.داده اغلب روی پلت فرم هایی با تنوع گسترده قابلیت های محاسباتی و شبکه ای مستقر می گردد.ملاحظات تحمل خطا ، امنیت و کنترل دسترسی در بسیاری کاربردها حیاتی هستند.وظایف تحلیل اغلب بن بست های سختی دارند و کیفیت داده یک نگرانی اصلی در دیگر کاربردهای حاضر است.برای اغلب اپلیکیشن های در حال ظهور ، مدل و روش های رانده شده توسط داده که قادر به عملیاتی شدن در مقیاس هستند ، تاکنون ناشناخته مانده اند.حتی هنگامی که روش های شناخته شده می توانند مقیاس گذاری شوند ، اعتبار سنجی نتایج یک مساله بزرگ است.تعیین ویژگی های پلت فرم های سخت افزاری و پشته نرم افزاری به طور اساسی روی تحلیل داده تاثیر می گذارد.در این مقاله ، مروری بر آخرین فناوری داشته ایم و روی روندهای در حال ظهور تمرکز کرده ایم تا چشم انداز کاربردی ، نرم افزاری و سخت افزاری تحلیل داده انبوه را برجسته سازی کنیم.

One of the major applications of future generation parallel and distributed systems is in big-data analytics. Data repositories for such applications currently exceed exabytes and are rapidly increasing in size. Beyond their sheer magnitude, these datasets and associated applications’ considerations pose significant challenges for method and software development. Datasets are often distributed and their size and privacy considerations warrant distributed techniques. Data often resides on platforms with widely varying computational and network capabilities. Considerations of fault-tolerance, security, and access control are critical in many applications (Dean and Ghemawat, 2004; Apache hadoop). Analysis tasks often have hard deadlines, and data quality is a major concern in yet other applications. For most emerging applications, data-driven models and methods, capable of operating at scale, are as-yet unknown. Even when known methods can be scaled, validation of results is a major issue. Characteristics of hardware platforms and the software stack fundamentally impact data analytics. In this article, we provide an overview of the stateof- the-art and focus on emerging trends to highlight the hardware, software, and application landscape of big-data analytics.