الگوریتم های ابتکاری مقاوم برای بهره برداری از کارهای مشترک جستجوی پایگاه داده ی ابر رابطه ای

توضیحات محصول

مقدمه مقاله:الگوریتم های ابتکاری مقاوم برای بهره برداری از کارهای مشترک جستجوی  پایگاه داده ی ابر رابطه ای

چکیده فارسی :

رایانش ابری سخت افزار یک سیستم پایگاه داده رابطه ای معمولی را قادر می سازد تا به صورت پویا بر اساس حجم کار پرس و جو، عملکرد و محدودیت های زمانی، تنظیم شود. در واقع می توان مقدار زیادی از منابع را برای یک مدت زمان کوتاه به منظور اجرای پرس و جو های پیچیده به صورت موثر بر روی داده های در مقیاس بزرگ با خوشه های ماشین مجازی، اجاره کرد. پرس و جو های پیچیده معمولا حاوی زیرعبارت های مشترک، در یک پرس و جوی واحد یا در میان چندین پرس و جو هستند که به عنوان یک دسته ارسال می شوند. زیرعبارت های مشترک روابط یکسانی را اسکن می کنند، کارهای مشابهی را محاسبه م کنند (الحاق کردن، مرتب کردن، و غیره)، و / یا داده های مشابهی را در میان رایانه های مجازی جابجا می کنند. زمان کلی صرف شده برای پرس و جو ها را می توان با اجرای این وظایف مشترک تنها یک بار کاهش داد. در این مطالعه، ما مجموعه طرح های اجرای پرس و جو را به منظور کاهش زمان اجرای کل ساخته و استفاده کرده ایم. این یک مسئله ی NP-سخت می باشد بنابراین، مجموعه ای از الگوریتم های ابتکاری مقاوم، Branch-and-Bound ، Genetic ، HillClimbing ، و Hybrid Genetic-Hill Climbing ، را برای پیدا کردن طرح های اجرای پرس و جوی بهینه و به حداکثر رساندن مزایا پیشنهاد داده شده اند. زمان بهینه سازی هر الگوریتم را برای شناسایی طرح های اجرای پرس و جو و کیفیت این طرح ها توسط آزمایش های گسترده مورد بررسی قرار گرفته است.

کلمات کلیدی:  پایگاه داده ابر رابطه ای ، بهینه سازی پرس و جوی چندگانه ، محاسبات تکاملی ، Branch-and-Bound ، Hill Climbing

چکیده انگلیسی:

Cloud computing enables a conventional relational database system’s hardware to be adjusted dynamically according to query workload, performance and deadline constraints. One can rent a large amount of resources for a short duration in order to run complex queries efficiently on large-scale data with virtual machine clusters. Complex queries usually contain common sub expressions, either in a single query or among multiple queries that are submitted as a batch. The common sub expressions scan the same relations, compute the same tasks (join, sort, etc.), and/or ship the same data among virtual computers.The total time spent for the queries can be reduced by executing these common tasks only once. In this study, we build and use efficient sets of query execution plans to reduce the total execution time. This is an NP-Hard problem therefore, a set of robust heuristic algorithms, Branch-and-Bound, Genetic, Hill Climbing, and Hybrid Genetic-Hill Climbing, are proposed to find (near-) optimal query execution plans and maximize the benefits. The optimization time of each algorithm for identifying the query execution plans and the quality of these plans are analyzed by extensive experiments.

Keywords:Relational cloud database Multiple – query optimization Evolutionary computing Branch – and-Bound Hill Climbing 


 

خرید این محصول

 
 زرین پال   
 
 

خواهشمنداست در صورت عدم دریافت فایل به با یادداشت کردن کد رهگیری و مراجعه به بخش پیگیری سفارش ها با زدن کد رهگیری فایل خود را مجددا دریافت کنید در غیر این صورت جهت هر گونه مشکل با شماره ذیل پیامک و یا تلگرام بدید

پشتيباني 24 ساعته (پيامك و تلگرام)

09189431367 

امکان پرداخت با کلیه کارت های عضو شتاب میسر است


 

سوالات و نظر شما در مورد این محصول