بررسی استفاده از خوشه بندی جهت کاهش زمان پرس و جوهای تجمیع رستری داخل پایگاه داده مکانی مطالعه موردی: رسترهای بارش
در سالهای اخیر با پیشرفت فنآوریهای جمعآوری و مدیریتداده، پایگاهدادههای بسیار بزرگ پدیدار شدهاند. بسیاری از پرسوجوهای تجزیه و تحلیل بر اساس ماهیتشان به تجمیع و خلاصهسازی بخشهای بزرگی از دادههای در حال تجزیه و تحلیل نیاز دارند. مسئله اصلی در حیطهی پایگاه داده پردازش کارآمد پرسوجو مخص...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | fas |
Published: |
سازمان جغرافیایی نیروهای مسلح
2017-10-01
|
Series: | اطلاعات جغرافیایی |
Subjects: | |
Online Access: | http://www.sepehr.org/article_28889_a7bad9d760ff09ed69bd368f87dda5f0.pdf |
id |
doaj-5dd0d5f901dc4815bcda10e0666e6f21 |
---|---|
record_format |
Article |
spelling |
doaj-5dd0d5f901dc4815bcda10e0666e6f212020-11-24T23:56:29Zfasسازمان جغرافیایی نیروهای مسلحاطلاعات جغرافیایی2588-38602588-38792017-10-012610351610.22131/sepehr.2017.2888928889بررسی استفاده از خوشه بندی جهت کاهش زمان پرس و جوهای تجمیع رستری داخل پایگاه داده مکانی مطالعه موردی: رسترهای بارشجواد سدیدی0سعیده صاحبی وایقان1هانی رضائیان2استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم جغرافیایی، دانشگاه خوارزمی، تهران ، ایران (نویسنده مسئول).کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه خوارزمی، تهران، ایران.استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم جغرافیایی، دانشگاه خوارزمی، تهران ، ایران.در سالهای اخیر با پیشرفت فنآوریهای جمعآوری و مدیریتداده، پایگاهدادههای بسیار بزرگ پدیدار شدهاند. بسیاری از پرسوجوهای تجزیه و تحلیل بر اساس ماهیتشان به تجمیع و خلاصهسازی بخشهای بزرگی از دادههای در حال تجزیه و تحلیل نیاز دارند. مسئله اصلی در حیطهی پایگاه داده پردازش کارآمد پرسوجو مخصوصاً در سیستمهای لحظهای[1] است که نیازمند رسیدن به جواب آنی میباشد تا اینکه کاربر زمان زیادی را برای دریافت پاسخ صرف نکند. (AQP (Approximate Query Processingبهعنوان روشی جایگزین برای پردازش پرسوجو در محیطهایی که ارائه یک پاسخ دقیق زمانبر است، با هدف ارائه پاسخ تخمینی، کاهش زمان پاسخ را با حذف یا کاهش تعداد دسترسیها به دادهی پایه میسر میسازد. پردازش [2]In-Database عملکرد شبکههای کامپیوتری را بهبود بخشیده و به طراحی مناسب پرسوجوها با نتایج نسبتاً سریع و دقیق کمک میکند. در این پژوهش عملیات تجمیع (Sum) در پایگاه داده PostgreSQL روی دادههای رستری بارش به دو روش معمولی و بهینه پیشنهاد شده، انجام شده است. بررسی نتایج نشان میدهد که سرعت اجرای تابع Sum با خوشهبندی، 2/27 برابر اجرای این تابع بدون خوشهبندی است و میانگین اختلاف عددی پیکسلهای حاصل از اجرای تابع Sum بهینه با اجرای تابع معمولی آن 028/0 میباشد.میانگین زمان اجرای پرسوجوهای معمولی و بهینه برای تابع Sum به ترتیب 211 و 754/7 ثانیه میباشد که نشانگر کارآمد بودن روش پیشنهاد شده در این تحقیق میباشد. نتایج تحقیق حاضر که در حقیقت کاهش معنی دار زمان پاسخ آنالیزهای داخل پایگاه دادهای در دادههای رستری میباشد، میتواند در ارائه سرویسهای رئال تایم تحت وب مانند هواشناسی، ترافیک و ... که نیازمند تحلیلهای آنی و جواب لحظهای میباشند مورد استفاده قرار گیرد. [1]- Real time [2]- درون پایگاهدادهhttp://www.sepehr.org/article_28889_a7bad9d760ff09ed69bd368f87dda5f0.pdfبهینه سازی تجمیعپردازش تقریبی پرس و جوپردازش In-Databaseآنالیز رستریSum |
collection |
DOAJ |
language |
fas |
format |
Article |
sources |
DOAJ |
author |
جواد سدیدی سعیده صاحبی وایقان هانی رضائیان |
spellingShingle |
جواد سدیدی سعیده صاحبی وایقان هانی رضائیان بررسی استفاده از خوشه بندی جهت کاهش زمان پرس و جوهای تجمیع رستری داخل پایگاه داده مکانی مطالعه موردی: رسترهای بارش اطلاعات جغرافیایی بهینه سازی تجمیع پردازش تقریبی پرس و جو پردازش In-Database آنالیز رستری Sum |
author_facet |
جواد سدیدی سعیده صاحبی وایقان هانی رضائیان |
author_sort |
جواد سدیدی |
title |
بررسی استفاده از خوشه بندی جهت کاهش زمان پرس و جوهای تجمیع رستری داخل پایگاه داده مکانی مطالعه موردی: رسترهای بارش |
title_short |
بررسی استفاده از خوشه بندی جهت کاهش زمان پرس و جوهای تجمیع رستری داخل پایگاه داده مکانی مطالعه موردی: رسترهای بارش |
title_full |
بررسی استفاده از خوشه بندی جهت کاهش زمان پرس و جوهای تجمیع رستری داخل پایگاه داده مکانی مطالعه موردی: رسترهای بارش |
title_fullStr |
بررسی استفاده از خوشه بندی جهت کاهش زمان پرس و جوهای تجمیع رستری داخل پایگاه داده مکانی مطالعه موردی: رسترهای بارش |
title_full_unstemmed |
بررسی استفاده از خوشه بندی جهت کاهش زمان پرس و جوهای تجمیع رستری داخل پایگاه داده مکانی مطالعه موردی: رسترهای بارش |
title_sort |
بررسی استفاده از خوشه بندی جهت کاهش زمان پرس و جوهای تجمیع رستری داخل پایگاه داده مکانی مطالعه موردی: رسترهای بارش |
publisher |
سازمان جغرافیایی نیروهای مسلح |
series |
اطلاعات جغرافیایی |
issn |
2588-3860 2588-3879 |
publishDate |
2017-10-01 |
description |
در سالهای اخیر با پیشرفت فنآوریهای جمعآوری و مدیریتداده، پایگاهدادههای بسیار بزرگ پدیدار شدهاند. بسیاری از پرسوجوهای تجزیه و تحلیل بر اساس ماهیتشان به تجمیع و خلاصهسازی بخشهای بزرگی از دادههای در حال تجزیه و تحلیل نیاز دارند. مسئله اصلی در حیطهی پایگاه داده پردازش کارآمد پرسوجو مخصوصاً در سیستمهای لحظهای[1] است که نیازمند رسیدن به جواب آنی میباشد تا اینکه کاربر زمان زیادی را برای دریافت پاسخ صرف نکند. (AQP (Approximate Query Processingبهعنوان روشی جایگزین برای پردازش پرسوجو در محیطهایی که ارائه یک پاسخ دقیق زمانبر است، با هدف ارائه پاسخ تخمینی، کاهش زمان پاسخ را با حذف یا کاهش تعداد دسترسیها به دادهی پایه میسر میسازد. پردازش [2]In-Database عملکرد شبکههای کامپیوتری را بهبود بخشیده و به طراحی مناسب پرسوجوها با نتایج نسبتاً سریع و دقیق کمک میکند. در این پژوهش عملیات تجمیع (Sum) در پایگاه داده PostgreSQL روی دادههای رستری بارش به دو روش معمولی و بهینه پیشنهاد شده، انجام شده است. بررسی نتایج نشان میدهد که سرعت اجرای تابع Sum با خوشهبندی، 2/27 برابر اجرای این تابع بدون خوشهبندی است و میانگین اختلاف عددی پیکسلهای حاصل از اجرای تابع Sum بهینه با اجرای تابع معمولی آن 028/0 میباشد.میانگین زمان اجرای پرسوجوهای معمولی و بهینه برای تابع Sum به ترتیب 211 و 754/7 ثانیه میباشد که نشانگر کارآمد بودن روش پیشنهاد شده در این تحقیق میباشد. نتایج تحقیق حاضر که در حقیقت کاهش معنی دار زمان پاسخ آنالیزهای داخل پایگاه دادهای در دادههای رستری میباشد، میتواند در ارائه سرویسهای رئال تایم تحت وب مانند هواشناسی، ترافیک و ... که نیازمند تحلیلهای آنی و جواب لحظهای میباشند مورد استفاده قرار گیرد. [1]- Real time [2]- درون پایگاهداده |
topic |
بهینه سازی تجمیع پردازش تقریبی پرس و جو پردازش In-Database آنالیز رستری Sum |
url |
http://www.sepehr.org/article_28889_a7bad9d760ff09ed69bd368f87dda5f0.pdf |
work_keys_str_mv |
AT jwạdsdydy brrsyạstfạdhạzkẖwsẖhbndyjhtḵạhsẖzmạnprswjwhạytjmyʿrstrydạkẖlpạygạhdạdhmḵạnymṭạlʿhmwrdyrstrhạybạrsẖ AT sʿydhṣạḥbywạyqạn brrsyạstfạdhạzkẖwsẖhbndyjhtḵạhsẖzmạnprswjwhạytjmyʿrstrydạkẖlpạygạhdạdhmḵạnymṭạlʿhmwrdyrstrhạybạrsẖ AT hạnyrḍạỷyạn brrsyạstfạdhạzkẖwsẖhbndyjhtḵạhsẖzmạnprswjwhạytjmyʿrstrydạkẖlpạygạhdạdhmḵạnymṭạlʿhmwrdyrstrhạybạrsẖ |
_version_ |
1725458355165593600 |