اكتشاف دانش از پايگاه داده هاي توزيع شده مبتني بر وب در محيط هاي گريد

در سال هاي اخير پايگاه داده هاي توزيع شده مبتني بر وب رشد چشمگيري داشته اند. براي مدلسازي و يكپارچه سازي اين نوع از پايگاه هاي داده تحت وب نخستين موردي كه بايد به آن پرداخته شود اين است كه يك منبع خاص چه نوع خصوصيات و قابليت هاي پرس و جويي را فراهم مي كند و همچنين واسط پرس و جو چطور عمل مي كند. تجزيه و تحليل تخصصي داده ها در گريدهاي محاسباتي يك مسئله چالش برانگيز است. بيش تر داده هايي كه در محيط هاي گريد مورد استفاده قرار مي گيرند حجم هاي بسيار زيادي دارند. از طرفي تركيب حجم عظيم داده ها، توزيع جغرافيايي كاربران و منابع و تحليل محاسباتي فشرده، اطلاعات دقيق و پيچيده ي زيادي را نتيجه مي دهد كه تا قبل از پيدايش سيستم هاي گريد توسط هيچ زيرساخت مديريت محاسباتي و داده اي برآورده نمي شد. الگوريتم هاي استخراج داده و پروسه كشف دانش هر دو بر داده و محاسبات تمركز دارند؛ بنابراين گريد ساختاري بنيادين براي مديريت داده و محاسبه به منظور پشتيباني از غير متمركز بودن و تحليل داده موازي ارائه مي نمايد. در گريد براي توليد س رويس هاي عمومي داده كاوي، الگوريتم هايي استفاده مي شود كه به تحليلگران، متخصصين و سازمان ها براي افزايش پشتيباني گريد از محاسبات توزيع شده براي حل مسائل داده كاوي در يك روش توزيع يافته كمك مي كند. در ادامه اين مقاله علاوه بر ايجاد يك ديد كلي در رابطه هاي داده كاوي و اكتشاف دانش، به چارچوب هاي داده كاوي توزيع شده بر روي گريد و همچنين مقايسه ميان روش ها و چارچوب هاي داده كاوي گريد با داده كاوي متمركز پرداخته شده است.