مروري بر موازي سازي الگوريتم FP- Growth با استفاده از چهارچوب MapReduce

كاوش مجموعه اقلام پرتكرار يك وظيفه داده كاوي پركاربرد با هدف يافتن اقلام هم رخ داد پرتكرار و در نتيجه كشف وابستگي پنهان در داده ها مي باشد. يكي از الگويتم هاي يافتن اقلام پرتكرارFP- Growth است. اين الگوريتم با وجود كارايي در استخراج الگوهاي پرتكرار از پايگاه داده هاي تراكنشي، از پيچيدگي زماني بالا در زمان پردازش داده هاي واقعي بسيار حجيم رنج مي برد. لذا از روش هاي توزيع شده و موازي كه كارايي را با توجه به هزينه محاسباتي و مقياس-پذيري بهبود مي دهند، استفاده مي شود. MapReduceيك مدل برنامه نويسي موازي است و مفهوم جديدي است كه قدرت محاسباتي نامحدود و ذخيره سازي ارزان را فراهم مي كند. اين مقاله به معرفي و مقايسه بعضي از تكنيك هايي كه اخيرا براي بهبود الگوريتم FP- Growth بر پايهMapReduce معرفي شده اند، پرداخته است. مرور اين روشها نشان مي دهد كه نسخه هاي موازي نيزبا چالشهايي نظير مشكل توازن بار، تعداد زياد اسكن پايگاه داده و سربار I/O و انجام تغييرات افزايشي در پايگاه داده هاي پويا روبرو هستند و تحقيقات اخير بر روي برطرف كردن اين مشكلات متمركز شده اند.