بهینه سازی Query با دو الگوریتم TLBO و ژنتیک و بکارگیری آن در Big data
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 518
فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCO04_034
تاریخ نمایه سازی: 17 آبان 1396
چکیده مقاله:
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
نویسندگان
افسانه عباسی
دانشجوی کارشناسی ارشد گروه نرم افزار دانشگاه آزاد اسلامی سبزوار- ایران
سمیه طالبی
دانشجوی کارشناسی ارشد گروه نرم افزار دانشگاه آزاد اسلامی سبزوار- ایران
علی اکبر نقابی
عضو هییت علمی دانشگاه آزاد اسلامی سبزوار- ایران