دسته بندی تکنولوژیهای مورداستفاده درسیستم های کلان داده

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 841

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SENACONF03_102

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

کلان داده حجم زیادی داده ی درحال رشد است که ازمنابع گوناگون مستقل ازیکدیگر حاصل شده است ام روزه با گسترش روزافزون شبکه ها و افزایش توانایی درجمع اوری و ذخیره داده ها دربسیاری اززمینه های علوم و مهندسی شاهد به وجود آمدن کلان داده ها هستیم به عنوان مثال درزمینه شبکه های اجتماعی میتوان به LinkedIn 6Twitter و Facebookاشاره کرد همچنین نمونه های دیگری ازکلان داده درسیستم های نظارت برترافیک شبکه بهبود فرایند درصنایع هواشناسی نجوم بیوانفورماتیک و... وجود دارند ذخیره و پردازش حجم عظیمی ازداده که دراین سیستم ها وجود دارد به روشهای سنتی پایگاه داده امکان پذیرنیست بااینکه معماری و تکنولوژیهای استفاده شده هرکدام ازسیستم ها بطور جداگانه منتشر شدها ست اما هدف این مقاله دسته بندی تکنولوژی ها و سرویسهای پیاده سازی شده درسیستم های کلان داده است دسته بندی تکنولوژیهای مورداستفاده ایجادسیستم های کلان داده دراینده را تسهیل خواهد نمود

کلیدواژه ها:

کلان داده Big Data ، شبکه های اجتماعی Social networks ، دسته بندی Classification

نویسندگان

محمداسماعیل جعفری

عضوهیئت علمی دانشگاه پیام نور

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 :
  • ). I. Kopanas, N. Avouris, and S. Daskalaki, "The Role ...
  • R. Sumbaly, J. Kreps, S. Shah, The "Big Data" Ecosystem ...
  • X. Amatriain, Big & Personal: data and models behind Netflix ...
  • G. Mishne, Fast data in the era of big data: ...
  • M. Meier, Towards _ big data reference architecture, Master s ...
  • Li, Feifei , Nath, Suman, "Scalable dato summarization on big ...
  • United Nations Global Pulse, 2012, Big Data for Development: Challenges& ...
  • Rajaraman, A, Ullman, J D, Mining of Massive Datasets, Cambridge ...
  • L. Neumeyer, B. Robbins, A. Nair, A. Kesari, S4: distributed ...
  • .J. Chauhan, S.A. Chowdhury, D. Makaroff, Performance evaluation of Yahoo! ...
  • T. Condie, et al., MapReduce online, in: The 7th USENIX ...
  • M. Mavani, L. Ragha, MapReduce frame work: investigating suitability for ...
  • SQLStream, processing and analysing streams of CDRs in real time, ...
  • Z. Qian, et al., TimeStream: reliable stream computation in the ...
  • M. Zaharia, et al, Discretized streams: fault-tolerant streaming computation at ...
  • R. Angles, C. Gutierrez, Survey of graph database models, ACM ...
  • B. Shao, H. Wang, Y. Xiao, Managing and mining large ...
  • K. Zeng, et al., A distributed graph engine for web ...
  • _ G. Malewicz, et al., Pregel: a system for large-scale ...
  • Y. Low, et al., Distributed GraphLab: _ framework for machine ...
  • P. Gupta, et al., WTF: the who to follow service ...
  • نمایش کامل مراجع