پیاده سازی یک تکنیک حفاظت داده ای نوین مبتنی بر الگوهای ذخیره سازیRAID
محل انتشار: یازدهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,023
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI11_022
تاریخ نمایه سازی: 5 آذر 1390
چکیده مقاله:
در این مقاله سعی داریم الگوی داده ای نوینی را بمنظورنگهداری داده های بحرانی در سیستم های با نیاز امنیتی بالا بگونه ای ارایه دهیم ، که سیستم قادر باشد در مقابل بروز گونه های مختلف خطاهای داده ای ، آنها را با دقت بالایی شناسایی نموده و درکمترین زمان ممکن داده های از دست رفته 1 را احیاء نماید . ازاین روی ، مدل پیشنهادی را بکمک ترکیب دو الگوی ردیفی کردن داده ای و نگارشی خاص ازالگوی انعکاس داده ای که از تکنیک منحصر بفردی برای توزیع بلاکهای داده ای پشتیبان در سطح دنبالۀ دیسکی توزیع شده RADD) بهره میبرد، پیاده سازی نموده ایم . الگوی ذخیرۀ داده ای پیشنهادی با توجه به توزیع نسخه های پشتیبان بلاکهای داده ای هردیسک، در سایر دیسکهای دنباله قادر است ، تا حداکثر پهنای باند مؤثر را بهنگام دستیابی دادها در شرایط امن و یا بهنگام بروزخطا در سطح دنباله و یا احیاء خطا های داده ای فراهم آورد. نکتۀ قابل توجه در مدل پیشنهادی آنست،که ساختار ذخیره سازی ارایه شده نرخ احتمالی فقدان داده ای را بگونه ای کاهش می دهدکه فقدان یک دیسک مشروط به فقدان تمامی بلاکهای داده ای از سایر دیسکهای دنباله بوده و این با نرخ احتمالی بسیار ناچیزی امکان پذیر است. بر این اساس الگوی ارایه شده قادر است تا سطح حفاظت داده ای ، قابلیت اطمینان ، بازگرد پذیری ،کارایی و بازدهی سیستم را برای نگهداری داده های بحرانی بمقدار قابل توجهی افزایش خواهد داد
کلیدواژه ها:
نویسندگان
جواد اکبری ترکستانی
دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اراک
تیمور ابزاری
دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اراک
محمدرضا میبدی
دانشکده مهندسی کامپیوتروفناوری اطلاعات،دانشگاه صنعتی امیرکبیر
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 :