سیدمیلاد میرمحمدیان - رییس انجمن علمی موسسه آموزش عالی بصیر آبیک
سمیه ایزدی - دانشجوی کارشناسی ارشد مهندسی نرم افزار دانشگاه گیلان
ساسان برهلیا - سرپرست انجمن علمی موسسه آموزش عالی بصیر آبیک
رمضان بابامحمودی - سرپرست انجمن علمی موسسه آموزش عالی بصیر آبیک

باتوجه به افزایش و گسترش روز افزون حجم داده ها و همچنین انتقال اطلاعات در فضای اینترنت به خصوص درحوزه بانکداری و تجارت الکترونیکی، مساله کلان داده، ورود و ذخیره سازی حجم زیادی از اقلام اطلاعاتی داده ها و مدیریت آن، پیش پردازش و پس پردازش، سرعت،دقت و امنیت اطلاعات از اهمیت بسیار زیادی برخوردار شدهاست و توجه بسیاری از محققان و متخصصین در حوزه فناوری اطلاعات را به خود معطوف کرده است. در همین راستا MapReduce ، یک مدل برنامه نویسی ساده است که برای حل مسایل محاسباتی در مقیاس وسیع و نیز بهصورت توزیعی، مورد استفاده قرار میگیرد . استفاده از روشهای فعلی و ابزارهای نرم افزار دادهکاوی برای کامپیوتر شخصی با مجموعه دادههای بزرگ بسیار دشوار است. پلتفرم های محاسبات ابری و موازی راه حل بهتری را برای دادهکاوی بزرگ در نظر گرفته اند. زمانبندی و در راستای آن الگوریتمهای زمانبندی نقش مهمی در توسعهMapReduce ایفا میکنند. از این رو، این الگوریتمها و زمانبندیها میتوانند به توسعه و بهبود مراکز داده بزرگ و منابع محاسباتی کمک شایانی نمایند. این مقاله به بررسی نگاشت کاهش و سیستم زمانبندی آن پرداختهاست. از این رو، الگوریتمهای زمانبندی مختلف مبتنی بر کار در چارچوب هادوپ بررسی و مقایسه شده است. در نهایت تاثیر زمانبندیها و مقوله نگاشت کاهش در پایگاه دادههای بزرگ بررسی شده است.

نگاشت کاهش، الگوریتم زمانبندی، پایگاه داده بزرگ، هادوپ