بررسي سيستم هاي پردازش داده large scale

با حجم بی سابقه ای از دادهها و شتابی كه در سرعت تولید داده وجود دارد و انواع مختلف ساختارهای داده كه روبهرو شدهایم، پشتیبانی از تحلیل دادههای بزرگ یك كار چالش برانگیز است. در پی آن یك تغییر مدل در معماری كامپیوترهای پردازش دادههای بزرگ نیز بوجود آمد. رایانش ابری نیز یك مدل جدید برای فراهم آوردن زیرساخت محاسباتی لازم است كه محل زیرساخت یا زیر ساخت را به شبكه، جهت كاهش هزینههای نرمافزاری و سختافزاری تغییر میدهد] 1[. پیش از پیدایش مفهوم دادههای بزرگ، از سیستمهای مدیریت پایگاه داده موازی برای پردازش موازی استفاده میشد. با ظهور داده بزرگ و عدم امكان استفاده از پایگاه دادهای رابطهای بعلت حجم بالای داده بزرگ، مدل ها معرفی شد. اما مپ_ردیوس مشكلات و محدودیتهایی داشت كه محققان به این نیجه رسیدند كه یكسری task مپ_ردیوس برای پردازش sql-like را در مپ_ردیوس جهت برطرف كردن یا كمرنگكردن این محدودیتها، ایجاد كنند و در نتیجه زبان های SQL از قابلیت های پدید آمدند. همچنین سیستم های مبتنی بر مپ_ردیوس در مقایسه با سیستم های مدیریت پایگاه داده موازی از كارایی كمتری برخوردار بودند درنتیجه سیستمهای تركیبی برای مرتفع كردن این مشكل به روی كارآمدند. در این تحقیق به بررسی مدلهای پردازش داده موازی ذكرشده و مزایا و معایب آنها میپردازیم.