ارائه چارچوبی برای تحلیل انطباق نقشه وزن مبنا مبتنی بر الگوی نگاشت کاهش و رایانش ابری

این روزها داده های خودروهای شناور (FCD) یکی از موضوعات داغ در زمینه سیستم های حمل و نقل هوشمند (ITS) و مدیریت ترافیک می باشند. با توجه به دقت محدود این داده ها مسئله انطباق نقشه یکی از مسائل داغ در به کارگیری و تحلیل آنی FCD است. در سال های اخیر تحقیقات متعددی بر روی بهبود صحت و نرخ موفقیت این تحلیل انجام پذیرفته است اما موضوع کارآمدی و بهره وری این تحلیل کمتر مورد بررسی قرار گرفته است. با توجه به حجم بالای داده های FCD ذخیره سازی و تحلیل آنی آنان با کمک روش های سنتی امری پیچیده است. زمانی که حجم داده ها از چندین گیگابایت فراتر رود، پایگاه داده های رابطه ای سنتی یا نمی توانند چنین حجمی از داده را پشتیبانی کنند و یا در مدیریت آن دچار مشکلاتی می شوند. به علاوه پردازش حجم بالایی از داده ها نیازمند منابع قدرتمند پردازشی است که این امر نیز نیازمند هزینه های گزاف جهت خرید و نگهداری زیرساخت های حجیم رایانشی است. در این مقاله برای پاسخ به چال شهای فوق چارچوبی مبتنی بر اصول رایانش ابری و الگوی نگاشت کاهش ارائه شده است. چارچوب فوق تحلیل توزیع یافته، مقیاس پذیر و کارآمد را بر روی سخت افزارهای معمولی ممکن می سازد. همچنین در این مقاله عملکرد چارچوب بر روی سکوی آپاچی هدوپ (Apache Hadoop) مورد ارزیابی های اولیه قرار گرفته است.

کلیدواژه ها:

انطباق نقشه وزن مبنا ، نگاشت کاهش ، هدوپ ، رایانش ابری