عنوان ترجمه شده مقاله: نرمالسازی داده های بزرگ برای پایگاه داده هایی که به پردازش موازی داده های انبوه می پردازند

چکیده

در پایگاه ­داده ­هایی که به پردازش موازی داده­ های انبوه یا به اختصار MPP می­پردازند، معمولاً پرس­ و­ جو با عملکرد بالا و پرس­ و جوی اَدهاک به­ عنوان هدف­ های دو به دو ناسازگار در نظر گرفته می­شوند. همچنین در این نوع از پایگاه ­دادده ­ها، میان سهولت توسعه­ ی مدل داده و سهولت تجزیه و تحلیل نیز تضاد وجود دارد. رویکرد جدیدی که "دریاچه داده" نام دارد، اینگونه وعده می­دهد که با افزودن داده­ های جدید به مدل، توسعه­ ی مدل داده ساده ­تر خواهد شد، در حالیکه این دریاچه بسیار مستعد است که در نهایت تبدیل به باتلاقی بدون ساختار از داده ­ها شود؛ با توجه به عدم رعایت موازین و استانداردها، دریاچه­ ی داده از کنترل خارج می­شود، یافتن داده ­ها و همچنین استفاده از داده ­ها، دشوار خواهد شد و بدین ترتیب دیگر داده­ ها قابل استفاده نخواهند بود. در این مقاله، تکنیک جدیدی معرفی می­شود که با استفاده از مدلسازی لنگر داده­ های بزرگ را بسیار نرمال می­کند؛ با استفاده از این تکنیک برای ذخیره­ ی اطلاعات و استفاده از منابع، روش بسیار مؤثری ارائه می­شود، در نتیجه برای اولین بار در پایگاه ­داده ­هایی که به پردازش موازی داده ­های انبوه می­پردازند، پرس ­و جوی اَدهاک با کارایی بالا ارائه می­شود (در این متن، منظور از پرس و جو، کوئری می­باشد). این تکنیک برای توسعه­ ی مدل داده و تبدیل آن به دریاچه ­ی داده، روش تقریباً مناسبی است، این در حالی است که مدل، به­ صورت داخلی در برابر تبدیل شدن به دریاچه داده محافظت می­شود. در اینجا یک مطالعه­ ی موردی نیز انجام شده است، این مطالعه به این مسأله می­پردازد که چگونه این روش به مدت بیش از سه سال از انبارداده­ا­ی موجود در آویتو استفاده کرده است (آویتو یک وب­سایت روسی است)؛ همچنین نتایج آزمایشاتی که با استفاده از داده ­های واقعی در HP Vertica  انجام شده ­اند، نیز ارائه می­شود. این مقاله براساس نتایج بدست آمده از یک پایان­ نامه گردآوری شده و در 34 اُمین کنفرانس بین­ المللی مدلسازی مفهومی در سال 2015 ارائه شده است ]1[؛ این مقاله با استفاده از نتایج عددی که در طی چندین سال (1 تا 3 سال) از نرمال سازی داده­ های بزرگ موجود در نواحی کلیدی انبار داده، بدست آمده است، تکمیل می­شود. همچنین در اینجا به توصیف محدودیت­ها نیز پرداخته می­ شود؛ این محدودیت­ها به علت استفاده از تنها یک خوشه از پایگاه داده ­ی MPP ایجاد می­شوند.

1-مقدمه

تحلیل داده­ های بزرگ در بسیاری از شرکت­ها، به سرعت، به یک امر عادی تبدیل شده است. برای مثال بانک­ها، شرکت­ های مخابراتی، شرکت­ های بزرگ تحت وب مانند گوگل، فیس­بوک و توئیتر، داده ها بسیار زیادی را تولید می­کنند. حتی امروزه کاربران تجاری نیز می­دانند که چگونه از طریق این داده ­ها کسب درآمد نمایند. برای مثال، تکنیک ­های بازاریابی با پیش­بینی­ های مختلف، می­توانند اطلاعاتی که درباره رفتار مشتری کسب نموده ­اند را به ارزش ­های مالی بزرگی تبدیل نمایند....