بررسی سیستم های پردازش داده Iarge scale

با حجم بی سابقه ای از داده ها و شتابی که در سرعت تولید داده وجود دارد و انواع مختلف ساختارهای داده که روبه رو شده ایم، پشتیبانی ازتحلیل داده های بزرگ یک کار چالش برانگیز است. در پی آن یک تغییر مدل در معماری کامپیوترهای پردازش داده های بزرگ نیز بوجود آمد.رایانش ابری نیز یک مدل جدید برای فراهم آوردن زیرساخت محاسباتی لازم است که محل زیرساخت یا زیر ساخت را به شبکه، جهت کاهشهزینه های نرمافزاری و سخت افزاری تغییر می دهد. پیش از پیدایش مفهوم داده های بزرگ، از سیستم های مدیریت پایگاه داده موازی برایپردازش موازی استفاده می شد. با ظهور داده بزرگ و عدم امکان استفاده از پایگاه دادهای رابطه ای بعلت حجم بالای داده بزرگ، مدلها معرفی شد. اما مپ_ردیوس مشکلات و محدودیتهایی داشت که محققان به این نیجه رسیدند که یکسری task مپ_ردیوس برای پردازشsql-like را در مپ_ردیوس جهت برطرف کردن یا کمرنگ کردن این محدودیت ها، ایجاد کنند و در نتیجه زبان های SQL از قابلیت هایپدید آمدند. همچنین سیستم های مبتنی بر مپ_ردیوس در مقایسه با سیستم های مدیریت پایگاه داده موازی از کارایی کمتری برخورداربودند درنتیجه سیستم های ترکیبی برای مرتفع کردن این مشکل به روی کارآمدند. در این تحقیق به بررسی مدلهای پردازش داده موازیذکرشده و مزایا و معایب آنها می پردازیم.

کلیدواژه ها:

داده بزرگ ، پردازش داده های بزرگ ، مپ_ردیوس SQL-like