چکیده

شرکت‎ها و ارائه‎کنندگان خدمات ابری افزایش چشمگیری در میزان حجم داده ذخیره‌شده در فضای ابر عمومی و خصوصی را داشته‌اند. بنابراین هزینه ذخیره‌سازی داده‌ها در حال رشد است. زیرا آن‌ها از تنها عملکرد لایه ذخیره‌سازی برای ذخیره‌سازی تمام داده‌های ابری استفاده می‌کنند. این موضوع قابل‌ توجه است که برای کاهش هزینه‎های ابری، داده‌ها را به دو دسته فعال (گرم) و غیرفعال (سرد) طبقه‌بندی می‌کنند. با توجه به پژوهش در حافظه اصلی پایگاه داده‎ها، آثار اخیر در مورد روش‎های متمرکز برای شناسایی داده‎های گرم و داده‌های سرد است. روش پیگیری تاپل شناسایی است و به شناسایی گرم و سرد شناخته می‎شود. در مقابل، ما یک رویکرد جدید به نام روش LOAD DATA INFILE که آهنگ هر دو تاپل‎ها در دسترسی ذخیره‌سازی ثانویه پایگاه‎های داده است را معرفی می‎کنیم. هدف ما به منظور افزایش عملکرد در شرایط سه بعد است که عبارتند از: فضای ذخیره‎‌سازی، زمان سپری‌شده پرس‌وجو، و مصرف CPU. به منظور تأیید اثربخشی روش‎مان، پیاده‌سازی دقیق آن را بر روی رویکردLOAD DATA INFILE Approach  (LDA) متوجه شدیم که سطرها را از یک فایل متنی داخل یک جدول با سرعت بسیار بالا با استفاده از معیار شناخته شده qps و TPC-H می‌خواند. نتایج تجربی نشان می‎دهد که عملکرد رویکرد LOAD DATA در مقایسه با روش prepare_data، رویکرد بهتری را نسبت به دو بعد عملکرد دارد. به طور خاص، در عملکرد LOAD DATA کاهش فضای ذخیره‌سازی 14 الی 62 درصد به طور متوسط صورت گرفته و کاهش متوسط زمان پرس‌و‌جوی سپری‌شده نیز 280 الی 440 برابر نسبت به رویکرد سنتی پایگاه داده است.

کلیدواژه ها:

رایانش ابری

ذخیره‌سازی ابری‌

حافظه اصلی پایگاه داده

داده گرم/سرد

مدیریت داده سرد

نویسنده:

سید بهنام حسینی*¹

¹ کارشناسی ارشد، دانشکده علوم کامپیوتر، دانشگاه پویش، قم.

DOR:

دانلود فایل مقاله                    منابع                   XML