دانلود مقاله و ترجمه داده های بزرگ
no-img
هلپکده

دانلود مقاله و ترجمه داده های بزرگ


هلپکده
مطالب ویژه
اطلاعیه های سایت

گزارش خرابی لینک
اطلاعات را وارد کنید .

ادامه مطلب

ZIP
دانلود مقاله و ترجمه داده های بزرگ
WORD+PDF
۲۱ خرداد, ۱۳۹۶
400 کیلوبایت
54 صفحه
۷,۰۰۰ تومان
دریافت کد تخفیف
۷,۰۰۰ تومان – خرید

دانلود مقاله و ترجمه داده های بزرگ


با خرید این محصول 700 امتیاز کسب خواهید کرد! که معادل 700 تومان تخفیف می باشد.

دانلود مقاله و ترجمه داده های بزرگ

Big Data

ترجمه مقاله به فارسی(word):       

۳۹ صفحه

مقاله انگلیسی (pdf):

۱۵ صفحه

دانلود مقاله و ترجمه داده های بزرگ دانلود مقاله و ترجمه داده های بزرگ دانلود مقاله و ترجمه داده های بزرگ bigdata new

مقدمه

افزایش مداوم حجم و جزئیات داده های جمع آوری شده توسط سازمان ها، از جمله ظهور رسانه های اجتماعی، اینترنت اشیاء (IoT)، و چند رسانه ای ها، موجب شکل گیری جریان پرفشاری از داده ها هم در شکل ساختار یافته و هم غیرساختار یافته گردیده است. تولید داده ها در نرخی انجام میگیرد که همواره رکورد خود را جابجا می کند- به این نرخ در این مقاله داده های بزرگ گفته شده- و این روند به طور گسترده ای مورد توجه قرار گرفته است. داده های بزرگ در حال تیز کردن نگاه دانشگاه، دولت و صنعت به خود است. داده های بزرگ سه ویژگی دارند: (a) داده ها کثیرند، (b) داده ها نمی توانند در دیتابیس های منظم و منطقی، طبقه بندی گردند، و (c) داده ها در سرعت بالا تولید گردیده، گرفته شده و پردازش می گردند

برخی از اولین پذیرندگان داده های بزرگ در رایانش ابری کاربرانی هستند که خوشه های Hadoop را در محیط رایانش بسیار مقیاس پذیر و منعطف ارائه شده توسط فروشندگانی مثل IBM، Microsoft Azure، و Amazon AWS مستقر کردند. مجازی سازی یکی از تکنولوژی های پایه قابل اعمال در اجرای رایانش ابری است. مبنای بسیاری از ویژگی های پلت فرم مورد نیاز برای دسترسی، ذخیره، تحلیل، و مدیریت عناصر رایانشی توزیع شده در یک چارچوب داده بزرگ، از طریق مجازی سازی بدست آمده است.

هدف از این مطالعه، پیاده سازی یک تحقیق جامع از وضعیت داده های بزرگ در چارچوب رایانش ابری و ارائه تعریف، مشخصات، و طبقه بندی داده های بزرگ همراه با طرح برخی از مباحث درمورد رایانش ابری است……

تعریف و مشخصات داده های بزرگ

داده های بزرگ اصطلاحی است که برای ارجاع به افزایش حجم داده ها به طوریکه ذخیره سازی، پردازش، و آنالیز آنها از طریق تکنولوژی های دیتابیس معمولی دشوار می باشد، به کار می رود. ماهیت داده های بزرگ غیرشفاف است و فرآیندهای قابل توجهی را برای تشخیص و ترجمه آنها به مفاهیمی جدید شامل می شود. «داده های بزرگ» اصطلاحی نسبتا جدید در IT و کسب و کار است. با این حال، محققان و پژوهشگران متعددی آن را در متون پیشین خود به کار برده اند. برای نمونه، منبع [۶] برای اشاره به حجم بزرگی از داده های علمی برای تصویر سازی، به این اصطلاح اشاره می کند. در حال حاضر چندین تعریف برای داده های بزرگ وجود دارد. برای مثال، منبع [۷] داده های بزرگ را «حجمی از داده ها که فراتر از توان تکنولوژی در ذخیره سازی، مدیریت و پردازش کارآمد آنها باشد»، تعریف نموده است.

 طبقه بندی داده های بزرگ

داده های بزرگ به چند طبقه تقسیم بندی شده تا درک مشخصات آنها بهتر انجام گیرد. شکل ۲ دسته های متعدد داده های بزرگ را نشان می دهد. به دلیل حجیم بودن مقیاس داده ها در ابر، انجام طبقه بندی اهمیت می یابد. طبقه بندی بر اساس ۵ جنبه است: (i) منابع داده ها، (ii) فرمت محتوا، (iii) ذخیره داده، (iv) مرحله بندی داده ها، و (v) پردازش داده ها.

 رایانش ابری

رایانش ابری، تکنولوژی ای با سرعت رشد بالاست که  حضور خود را در نسل بعدی صنعت IT و کسب و کار محرز نموده است. رایانش ابری نوید نرم افزار، سخت افزار و IaaS ارائه شده بر روی اینترنت و مراکز داده از راه دور مطمئن و قابل اتکاء را می دهد. خدمات ابری به معماری قدرتمندی برای اجرای فرامین محاسباتی پیچیده و مقیاس بزرگ تبدیل شده اند و دامنه گسترده ای از کارکردهای IT از ذخیره سازی و محاسبات گرفته تا دیتابیس و سرویس های کاربردی را پوشش می دهد. نیاز به ذخیره سازی، پردازش، و آنالیز حجم انبوه دیتاست ها، بسیاری از سازمان ها و افراد را به پذیرش رایانش ابری سوق داده است. شمار فراوانی از برنامه های علمی برای آزمایشات وسیع، هم اکنون در سیستم ابری مستقر گردیده اند و ممکن است به دلیل نبود امکانات محاسباتی موجود در سرورهای محلی، کاهش هزینه های سرمایه ای، و افزایش حجم داده های تولید و مصرف شده توسط آزمایشات، به این افزایش ادامه دهند.

رابطه بین محاسبات ابری و داده های بزرگ

محاسبات ابری و داده های بزرگ قرین یکدیگرند. داده های بزرگ به کاربران این امکان را می دهند تا از محاسبات معمولی (commodity computing) برای پردازش پرس و جو (query) های توزیع شده در دیتاست های متعدد استفاده نموده و مجموعه های حاصله را به صورت بهنگام برگردانند. رایانش ابری، موتور پایه را از طریق استفاده از هادوپ، کلاسی از پلت فرم های پردازش داده توزیع شده، عرضه می دارد.

…..ادامه در دانلود

پسورد فايل فشرده : helpkadeh.ir

( پسورد را تايپ کنيد )



درباره نویسنده

آرزو کوچکی پیرکوهی 189 نوشته در هلپکده دارد . مشاهده تمام نوشته های

دیدگاه ها


دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

*

code