Сочинение на тему Обзор больших данных с облачными вычислениями
- Опубликовано: 11.07.2020
- Предмет: Информационная наука
- Темы: Большое количество данных, Облачные вычисления, Современные технологии
Соединение с использованием информационных технологий различными способами создает большие объемы данных. Такие данные требуют выдачи и хранения. Облако – это онлайн-модель хранения, где данные хранятся на многих виртуальных серверах. Распределение больших данных означает новую проблему в вычислительной технике, особенно в облачных вычислениях. Обработка данных включает получение, хранение и анализ данных. В этой детали есть несколько вопросов подсчета, какова связь между большими данными и облачными вычислениями? Ответ на эти вопросы будет обсуждаться в этой статье, где будут изучаться большие данные и облачные вычисления, а также знакомство с отношениями между ними с точки зрения безопасности и проблем. В этой статье описывается связь между большими данными и облачными вычислениями и обзор литературы по большим данным для облачных вычислений. Ключевые слова: большие данные, аналитика, большие данные, облачные вычисления1)
Введение
Термин «большие данные» – это большое количество аспектов, которые становятся нелегкими для метода с обычным аппаратом наблюдения за фактами или для подачи заявки. Факты приходят отовсюду: датчики, используемые для сбора информации о ранге, публикации на сайтах местных СМИ, цифровые фотографии и видео, получения контрактного аккаунта и GPS-сигнала мобильного телефона. Мы живем в мире, где данные быстро увеличиваются из-за чрезвычайно быстрого использования интернета, датчиков и тяжелых машин по очень быстрой оценке. По данным Gartner, эта информация увеличивается со скоростью 59% в год. Это развитие может быть обозначено термином этих четырех V. Объем ассоциации или лиц, генерирующих огромное количество фактов, называется количеством. Сегодня объем данных почти в каждой организации неизбежен Exabytes. По данным IBM, сегодня в цифровом мире более 2,7 зета байта фактов. Все более 571 новых сайтов созданы организмом.
Скорость. Скорость, с которой факты генерируются, фиксируются и общаются, считается скоростью. Проект может извлечь выгоду из статистики только в том случае, если она получена и распространена в режиме реального времени.
Разнообразие: разные типы источников приводят к таким фактам, как внутренняя, внешняя, социальная и поведенческая, и приближаются к разным полюсам, таким как метафоры, учебники, видео, аудио и т. д.
Правдивость: это относится к нерешительности фактов i. е. являются ли полученные данные точными или неизменными. Факты в натуральную величину, более высокие, чем все в бесформенных и полуструктурированных формах, хаотичны в декорациях, и требуется немало примеров и навыков, чтобы уничтожить эти факты и сделать их пригодными для психотерапии.
Тип и характер данных. Большие данные поступают из нескольких источников с датчиками и свободными текстами, такими как социальные сети, неструктурированные данные, метаданные и другие пространственные данные, собранные из веб-журналов, GPS, медицинских устройств и т. д. Большие данные уравновешен из-за различий в практичности, так что это в нескольких формах, плюс:
- Структурированные данные. Это систематизированные данные в виде таблиц или баз данных, которые необходимо обрабатывать.
- Неструктурированные данные: характеризует основную часть данных; это данные, которые люди ежедневно создают в виде текстов, изображений, видео, сообщений, записей журнала, потоков кликов и т. д.
- Полуструктурированные данные: или мультиструктурированные. Наблюдается вид структурированных данных, но они не предназначены для таблиц или баз данных, например, XML-документов или JSON.
Облачные вычисления
Облачные вычисления – это быстро растущий опыт, который зарекомендовал себя в следующей когорте ИТ-индустрии и бизнеса. Облачные вычисления обеспечивают надежное программное обеспечение, оборудование и IaaS, предоставляемые через Интернет и удаленные центры обработки данных. Облачные сервисы должны разработать доминирующую конструкцию, чтобы выполнить сложные крупномасштабные задачи расчета и охватить ряд значений ИТ от хранения и вычитания до баз данных и сервисов приложений.
Требование хранить, обрабатывать и анализировать большие объемы наборов данных ориентировано на различные организации и отдельных лиц для внедрения облачных вычислений. Многие технические приложения для обширных экспериментов в настоящее время развернуты в облаке и могут продолжать расширяться, поскольку их можно быстро подготовить и выпустить при минимальных усилиях по управлению или взаимодействии с поставщиком услуг. Облачные вычисления имеют несколько благоприятных аспектов для решения проблемы быстрого роста экономики и технологических барьеров. Облачные вычисления обеспечивают полную стоимость владения и позволяют организациям сосредоточиться на основных сферах деятельности, не беспокоясь о таких проблемах, как организация, гибкость и удобство использования ресурсов. Кроме того, объединение полезной модели облачных вычислений и богатого набора вычислений, организаций и хранения облачных сервисов создает чрезвычайно поразительную ситуацию, в которой исследователи могут проводить свои эксперименты. Реплики предоставления облака обычно содержат PaaS, SaaS и IaaS.
- PaaS, например, Google Apps Engine, Salesforce. com, Force stage и Microsoft Azure сообщают о различных ресурсах, работающих в облаке, для предоставления платформных вычислений конечным пользователям.
- SaaS, например, Google Docs, Gmail, Salesforce. com и Online Payroll – это приложения, работающие в удаленной облачной инфраструктуре, предлагаемые поставщиком облачных услуг, как средства, к которым можно получить доступ через Интернет.
Характеристики облачных вычислений
Эти облачные вычисления представляют собой разрозненные схемы, что означает усовершенствованную модель. NIST признал основные характеристики облака, поскольку он суммировал идею облачных вычислений по пяти характеристикам следующим образом:
- Самообслуживание по требованию. Облачные службы отправляют компьютерные ресурсы, такие как хранилище и обработка, по своему усмотрению и без вмешательства человека.
- Широкий доступ к сети: ресурсы облачных вычислений доступны по сети, мобильные и интеллектуальные устройства, даже датчики могут получать доступ к вычислительным ресурсам в облаке.
- Объединение ресурсов: пользователи облачной платформы делятся огромной коллекцией вычислительных ресурсов; пользователи могут контролировать характер активов и географическое местоположение, которое они предпочитают, но не могут определить точное физическое местоположение этих активов.
- Быстрая эластичность. Ресурсы с носителей данных, сети, процессорных блоков и приложений постоянно доступны и могут быть увеличены или уменьшены в почти быстром стиле, что позволяет повысить масштабируемость для обеспечения оптимального использования ресурсов.
- Измеряемая услуга: облачные системы могут измерять процедуры и истощение ресурсов, а также наблюдение, контроль и отчетность абсолютно прозрачным способом.
Связь между облачными вычислениями и большими данными
Облачные вычисления и большие данные объединены. Большие данные предоставляют работникам возможность использовать обычные вычисления для обработки распределенных запросов по нескольким наборам данных и своевременного возврата результирующих наборов. Облачные вычисления предлагают основной механизм, использующий Hadoop, класс распределенных этапов обработки данных. Большие источники данных из облака и Интернета хранятся в распределенной отказоустойчивой базе данных и обрабатываются с помощью модели программирования для больших наборов данных с параллельным распределенным алгоритмом в кластере.
Основная цель визуализации данных, как показано на рис. 2, состоит в том, чтобы просмотреть аналитические результаты, представленные визуально через различные графики для принятия решений. Эксплойты по хранению больших данных распространяются на облачные вычисления немного меньше, чем на локальное хранение, связанное с процессором или электронным трюком. Оценка больших данных обеспечивается быстрорастущими облачными приложениями, разработанными с использованием нескольких облачных технологий, которые должны справляться с этой новой средой, поскольку работа с большими данными для одновременной обработки становится все более сложной. MapReduce является хорошим примером обработки больших данных в облачной среде; это позволяет обрабатывать большое количество наборов данных, хранящихся параллельно в кластере. Кластерные вычисления обеспечивают достойную презентацию в окружении распределенных схем, таких как управление процессором, хранение и сетевые перевозки. Кроме того, смело и Firestone подчеркнули умение кластерных вычислений, чтобы обеспечить благоприятную ситуацию для роста данных. Однако Миллер утверждал, что отсутствие доступности данных стоит дорого, потому что пользователи переносят больше решений на аналитические методы; неправильное использование методов или присущие им недостатки в виртуализированных технологиях. Таким образом, облачные вычисления не только предлагают услуги по суммированию и распределению больших данных, но также обязывают как классический пакет. Для основанной на облаке аналитики больших данных доступны некоторые контексты, такие как Google, Map Reduce, Spark, Twister, Hadoop и Hadoop Reduce и ++. Эти программы предназначены для упаковки и выдачи фигур. Чтобы предоставить эти данные, это могут быть некоторые записи конструкции, такие как HBase, Big table и Hadoop DB. 4. Обзор литературы (1) Саид Улла, М. Дауд Аван и Сикандер Хаят Кхайал и др. и др. Автор выделяет некоторые ключевые особенности, которые характеризуют структуры больших данных, а также связанные с ними проблемы и проблемы. Автор использует различные метрики оценки из разных аспектов для определения сценариев использования этих платформ. Автор рассмотрел различные структуры управления ресурсами больших данных и исследовал преимущества и недостатки каждого из них.
Автор выполнил оценку производительности механизмов управления ресурсами на основе семи ключевых факторов, и каждая из структур была ранжирована на основе эмпирических данных. (2) Блессон Варгезе и Раджкумар Буя и др. и др. Сначала обсудите изменяющуюся облачную инфраструктуру и рассмотрите возможность использования инфраструктуры от нескольких поставщиков и преимущества децентрализации вычислений вне центров обработки данных. Эти моды должны повлиять на потребность в разнообразии новых вычислительных конструкций, которые будут доступны будущей облачной организации. Предполагается, что эти конструкции будут воздействовать на такие части, как люди и устройства, интенсивный расчет данных, служебное пространство и самообучающиеся структуры. Автор разработал дорожную карту конкурсов, которые необходимо будет учесть для реализации потенциала облачной классификации следующего поколения. (3) Qusay Kanaan Kadhim & Robiah Yusof et. Все это исследование посвящено рассмотрению и классификации проблем, связанных с внедрением облачных вычислений, что является горячей областью, которую необходимо решить в будущих исследованиях. Автор говорит, что проблема безопасности стала более сложной в облачной модели, так как новые области охватывают проблему, связанную с безопасностью данных модели, безопасностью сети пользователей, а также проблемами платформы и инфраструктуры. Это исследование было разработано для освещения проблем безопасности облачных вычислений.
Результаты этого исследования подчеркивают, что с реализацией облачных вычислений связаны пять основных проблем: проблемы безопасности мобильных приложений и приложений для облачных вычислений, облачные службы безопасности и приложения, данные облачной безопасности, проблемы безопасности облачных сетей, а также платформа и инфраструктура облачной безопасности. вопросы. Эти проблемы создают открытую площадку для будущих исследований, чтобы заполнить пробел в вопросах безопасности путем предоставления либо технического подхода, либо эмпирической модели для смягчения этих проблем. (4) ConstandinosX, MavromoustakisGeorgios Skourletopoulos & et. Автор представляет обзор текущих исследований больших данных, исследует приложения, возможности и проблемы, а также современные методы и базовые представления, которые приобретают навыки облачных вычислений, такие как большие данные как данные. услуга (BDaaS) или аналитика как услуга (AaaS). Авторы предполагают, что анализ затрат и выгод также проводится с целью измерения долгосрочных выгод от внедрения бизнес-моделей больших данных как услуги для поддержки принятия решений на основе данных и передачи результатов нетехническим заинтересованным сторонам. (5) Самир А. Эль-Соуд, Хосам Ф. Эль-Софани и Мохамед Абдельфаттах и др. В статье представлены характеристики, тенденции и проблемы больших данных. Авторы исследуют преимущества и риски, которые могут возникнуть в результате интеграции больших данных и облачных вычислений.
Авторы предполагают, что основным преимуществом облачных вычислений и интеграции больших данных является доступность хранилищ данных и вычислительной мощности, облачный доступ к большому пулу ресурсов и различным формам инфраструктур, которые могут приспособить эту интеграцию в наилучшем подходящем путь возможен; с минимальными усилиями можно настроить и управлять средой, чтобы обеспечить выдающуюся совокупность усилий для всех требований к большим данным i. е. аналитика данных. Это, в свою очередь, обеспечивает низкое отклонение и высокую эффективность. Авторы говорят, что сегодняшние знания и разработки на местах еще не ошеломили их и дают облаку острую потребность в качестве наиболее практичного решения для размещения и обработки сред с большими данными. (6) Набиль Занун, Абдулла Аль Хадж и Суфиан М. Хвальдех и др. и др. Авторы предложили термин для больших данных и модель, которая иллюстрирует связь между большими данными и облачными вычислениями. Большие данные и облачные вычисления были изучены с нескольких важных аспектов, и мы пришли к выводу, что отношения между ними являются взаимодополняющими. Большие данные и облачные вычисления представляют собой интегрированную модель в мире технологий распределенных сетей. Разработка больших данных и их требований является фактором, который мотивирует поставщиков услуг в облаке на непрерывное развитие, потому что отношения между ними основаны на продукте, хранении и распределении как общей причине. Большие данные представляют продукт …
РАСПОЗНАВАНИЕ ПИСЬМЕННОГО ХАРАКТЕРА С ИСПОЛЬЗОВАНИЕМ ИЗОБРАЖЕНИЯ АВТОРЕФЕРАТ В современном мире наблюдается огромный рост пробок на дорогах, и скорость, с которой люди покупают автомобили, значительно возрастает
В 2013 году до 5 лет было произведено нововведение. И становятся более успешными и мощными усовершенствованиями технологических изменений. Я хотел бы поделиться с вами удивительным
Индия – это сельскохозяйственная развивающаяся страна. Экономический вклад Индии в сельское хозяйство в ВВП уменьшается вместе с общим экономическим ростом страны. Некоторые проблемы в реальном