سلمان طائی - گروه کامپیوتر، واحد مرودشت، دانشگاه آزاد اسلامی مرودشت، ایران
علی مهجور - گروه کامپیوتر، عضو هیئت علمی دانشگاه مالک اشتر، تهران، ایران

برخط بودن جریان داده یکی از ویژگیها همچنین یکی از معضلات تعامل با ساختار مربوطه است. حجم داده در حال انتقال وماهیت سریال دادهها باعث ایجاد محدودیت در ذخیره داده جهت پردازش در بازه ها ی زمانی طولانی میگردد بنابراین نمیتوان توسط روشهای نگهداشت و بررسی، جریان داده را پیش پردازش کارد.برای استفاده ازتمهیدات موازی سازی نیازمند همگام سازی حداکثری فیلترها جهت استااده بهینه از منابع با کمترین هزینه ممکن هستیم. جریان داده بدون توقفدر حال انتقال است، بنابراین روشهای همگام سازی و موازیسازی مرسوم کارایی نزم را برای اعمال برجریان داده ندارند زبانهای مختلای از جریان داده پشتیبانی میکنند، از این میان زبانهای کد منبع باز قابلیت اعمال تغییرات سفارشی را در سطح مترجم دارند. محتویات جریان داده قبل از دریافت قابل شناسایی نیست بنابراین تخمین زمان مقداروبازه های دریافت اطلاعات هزینهای بیش از تخصیص منابع به فیلترهای نیازمند داده خواهد داشت. مترجم زبان استریم آی تی دارای روشهایی جهت تخمین ساختار جریان داده و استااده از نتایج تخمین برای دادههای مشابه است. روشهای خوشهبندی غالباًنیازمند عملیات پیش پردازش برای تعیین خوشه هستند لذا در این زمینه بهرهوری ناشی از موازیسازی را کاهش میدهندبنابراین به معرفی و شرح روشهای همگام سازی توسط دستهبندی برای افزایش موازیسازی میپردازیم. با توجه به اختصاصمحض زبان استریمآیتی به ساختارهای مبتنی بر جریان، شاهد افزایش قابل توجه آستانه موازی سازی توسط دسته بندی خودکار جریان داده در این زیان هستیم. نتایج حاصل از بررسی در این پژوهش بیانگر افزایش کارایی فیلترها با رعایت اصل حداقل منابع و زمان پردازش جریان داده نسبت به روشهای مرسوم یا سایر روشهای مبتنی بر جریان است .

همگام سازی، مترجم زبان، جریان داده، فیلتر، استریم آی تی