مشخصات مقاله:
عنوان فارسی مقاله:
عنوان انگلیسی مقاله:
کلمات کلیدی مقاله:
مناسب برای رشته های دانشگاهی زیر:
مهندسی فناوری اطلاعات ، مهندسی معماری
مناسب برای گرایش های دانشگاهی زیر:
مدیریت سیستم های اطلاعاتی، تکنولوژی معماری
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. کارهای مربوطه
3. روش های پیشنهاد شده
3.1 سیستم های منابع و جمع آوری داده ها
3.2 بارگذاری و پردازش داده ها
3.3 استفاده از نتایج
4. تحلیل داده ها و نتایج آن
4.1 جزییات اجرا و اطلاعات منبع داده
4.2 بارگذاری و نتایج ترکیب داده ها
4.3 مباحث در رابطه با نتایج الگوریتم MR برای مجموعه داده آلودگی هوا
4.4 خروجی معماری پیشنهادی
5. جمع بندی و کارهای آتی
منابع
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
The unbroken amplification of a versatile urban setup is challenged by huge Big Data processing. Understanding the voluminous data generated in a smart urban environment for decision making is a challenging task. Big Data analytics is performed to obtain useful insights about the massive data. The existing conventional techniques are not suitable to get a useful insight due to the huge volume of data. Big Data analytics has attracted significant attention in the context of large-scale data computation and processing. This paper presents a Hadoop-based architecture to deal with Big Data loading and processing. The proposed architecture is composed of two different modules, i.e., Big Data loading and Big Data processing. The performance and efficiency of data loading is tested to propose a customized methodology for loading Big Data to a distributed and processing platform, i.e., Hadoop. To examine data ingestion into Hadoop, data loading is performed and compared repeatedly against different decisions. The experimental results are recorded for various attributes along with manual and traditional data loading to highlight the efficiency of our proposed solution. On the other hand, the processing is achieved using YARN cluster management framework with specific customization of dynamic scheduling. In addition, the effectiveness of our proposed solution regarding processing and computation is also highlighted and decorated in the context of throughput.
چکیده
گسترش مداوم شرایط متنوع شهری حالا با چالش جدیدی با نام پردازش داده های بزرگ رو به رو شده است. درک داده های بسیار حجیم تولید شده در محیط های شهری هوشمند برای تصمیم گیری، یک وظیفه چالش بر انگیز می باشد. تحلیل داده های بزرگ برای به دست آوردن بینش های مناسب در رابطه با داده های حجیم، اهمیت بسیار زیادی دارد. تحلیل داده های بزرگ حالا توجهات زیادی را در زمینه محاسبه و پردازش، سمت خودش جلب کرده است. معماری ارائه شده متشکل از دو ماژول متفاوت می باشد، یعنی ماژول بارگیری داده های بزرگ و ماژول پردازش داده های بزرگ. این مقاله یک معماری مبتنی بر Hadoop را ارائه می کند که برای بارگیری و پردازش داده های بزرگ مورد استفاده قرار می گیرند. عملکرد و کارایی بارگیری داده ها در این مقاله مورد آزمایش قرار می گیرد تا بتوانیم یک روش بهینه را برای بارگیری داده های بزرگ در بستر های توزیع و پردازشی، ارائه کنیم که این بستر ، با نام Hadoop شناخته می شود. برای بررسی کردن نحوه بارگیری داده ها در Hadoop، بارگیری داده ها به صورت مکرر انجام شده و سپس نسبت به تصمیم گیری های مختلف، این شرایط مقایسه می شود. نتایج آزمایشی برای ویژگی های مختلف همراه با داده های دستی و فنی مرتبط با بارگیری داده ها ثبت می شوند تا بتوان کارایی روش پیشنهاد شده را ارزیابی کرد. در طرف دیگر، پردازش به دست آمده با استفاده از چارچوب مدیریت دسته ای YARN با سفارشی سازی های خاص برای زمان بندی پویا نیز بررسی می شود. به علاوه، کارایی راه حل ارائه شده نسبت به پردازش و محاسبات نیز در زمینه خروجی مد نظر، مورد ارزیابی قرار می گیرد.