بررسي سيستم هاي پردازش داده large scale

با حجم بي سابقه اي از داده ها و شتابي كه در سرعت توليد داده وجود دارد و انواع مختلف ساختارهاي داده كه روبه رو شده ايم، پشتيباني از تحليل داده هاي بزرگ يك كار چالش برانگيز است. در پي آن يك تغيير مدل در معماري كامپيوترهاي پردازش داده هاي بزرگ نيز بوجود آمد. رايانش ابري نيز يك مدل جديد براي فراهم آوردن زيرساخت محاسباتي لازم است كه محل زيرساخت يا زير ساخت را به شبكه، جهت كاهش هزينه هاي نرم افزاري و سخت افزاري تغيير ميدهد. پيش از پيدايش مفهوم داده هاي بزرگ، از سيستم هاي مديريت پايگاه داده موازي براي پردازش موازي استفاده ميشد. با ظهور داده بزرگ و عدم امكان استفاده از پايگاه دادهاي رابطه اي بعلت حجم بالاي داده بزرگ، مدل مپ_رديوس براي پردازش task ها معرفي شد. اما مپ_رديوس مشكلات و محدوديتهايي داشت كه محققان به اين نيجه رسيدند كه يكسري از قابليت هاي SQL را در مپ_رديوس جهت برطرف كردن يا كمرنگ كردن اين محدوديت ها، ايجاد كنند و در نتيجه زبان هاي sql-like پديد آمدند. همچنين سيستم هاي مبتني بر مپ_رديوس در مقايسه با سيستم هاي مديريت پايگاه داده موازي از كارايي كمتري برخوردار بودند درنتيجه سيستم هاي تركيبي براي مرتفع كردن اين مشكل به روي كارآمدند. در اين تحقيق به بررسي مدل هاي پردازش داده موازي ذكرشده و مزايا و معايب آنها مي پردازيم.