بهینه سازی Query با دو الگوریتم TLBO و ژنتیک و بکارگیری آن در Big data

بهینه سازی در سیستم های رابطه ای هم به عنوان یک چالش و هم به عنوان یک فرصت مطرح می گردد. چالش از آن جهت که همیشه برای رسیدن به کارایی قابل قبول در چنین سیستم هایی به بهینه سازی نیازمندیم و فرصت از آن جهت که این مساله دقیقا یکی از نقاط قوت رویکرد رابطه ای است زیرا عبارات رابطه ای به اندازه کافی در سطح معنایی بالایی قرار دارند که بهینه سازی به بهترین نحو در آنها قابل اعمال باشد. واقعیت این است که بهینه ساز می تواند بهتر از یک انسان عمل کند. حال در کلان داده ها با حجم بی سابقه داده ها، سرعت بالای تولید داده ها، ساختار های مختلف داده ها، استخراج دانش، اهمیت تجزیه و تحلیل و پردازش مواجه هستیم و چالش انگیز بودن تجزیه و تحلیل داده ها در مقیاس بزرگ با نگاشت کاهش map reduce قابل حل است. هدوپ: یک پیاده سازی متن باز از نگاشت کاهش است و بدون شک پرطرفدارترین گونه نگاشت کاهش می باشد.

کلیدواژه ها:

داده های بزرگ (Big data) ، الگوریتم TLBO ، بهینه سازی ، الگوریتم های فرا ابتکاری (متاهیوریستیک ها) ، با بسته بندی مستقل ، برای نمایش در آخرین فرادرس ها ، بهینه سازی ، محاسبات تکاملی ، نگاشت کاهش map reduce