نام مقاله:

Toward Scalable Systems for Big Data Analytics: A Technology Tutorial

"به سوی سیستم‌های مقیاس‌پذیر برای تجزیه و تحلیل عظیم‌داده : آموزش فناوری"

نويسندگان:

HAN HU, YONGGANG WEN, (Senior Member, IEEE), TAT-SENG CHUA, AND XUELONG LI, (Fellow, IEEE)

ژورنال:

IEEE Access

شماره:

Volume 2

تعداد ارجاعات:

239

خلاصه:

پیشرفت های فناورانه دودهه اخیر موجب تولید حجم بسیار عظیمی از داده ها در حوزه های گوناگون (مثل بهداشت، مطالب علمی، داده های تولید شده توسط کاربران، شرکت های اینترنتی و مالی و سیستم های زنجیره تامین) شده است. از اینرو واژه عظیم داده برای نشان دادن معنای این روند در حال ظهور انتخاب گردید. علاوه بر حجم بسیار زیاد، عظیم داده در مقایسه با داده های سنتی دارای ویژگی های منحصر بفرد دیگری نیز می باشد. به عنوان مثال، عظیم داده معمولا بدون ساختار بوده و نیاز به تجزیه و تحلیل بهنگام دارد. این فرایند توسعه ای به ایجاد ومعماری سیستمی جدید برای کسب اطلاعات، انتقال، ذخیره سازی، و مکانیسم های پردازش داده ها در مقیاسی بزرگ نیاز دارد. در این مقاله، یک مرور ادبیات و آموزشی سیستمی برای پلتفرمهای تجزیه و تحلیل عظیم داده ارائه می گردد، با این هدف که یک تصویر کلی برای خوانندگان غیرتخصصی ایجاد شده ومخاطبان پیشرفته نیز درجهت سفارشی کردن راه حل های عظیم داده خود فعالیت نمایند.

در ابتدا تعریف عظیم داده ارائه گردیده و چالش های عظیم داده مورد بحث قرار می گیرد. سپس، چارچوبی سیستماتیک برای تجزیه و تحلیل سیستم های عظیم داده یعنی تولید داده، جمع آوری داده ها، ذخیره سازی داده ها و تجزیه و تحلیل داده ها ارائه می گردد. این چهار ماژول یک زنجیره ارزش عظیم داده را تشکیل می دهد. پس از آن، یک بررسی دقیق از روش ها و مکانیزم های متعدد از جوامع تحقیقاتی و صنعتی ارائه می گردد. علاوه بر این، چارچوب رایج هدوپ برای بررسی و حل چالش های عظیم داده ارائه می شود. در نهایت، چندین ارزیابی و مسیرهای تحقیق بالقوه برای سیستم های عظیم داده ارائه می گردد.

 

🔗لينك آدرس مقاله:

https://ieeexplore.ieee.org/document/6842585

دریافت فایل