Parallel query processing for cloud computing environments

Abstract

Μαζικά σύνολα δεδομένων με πρωτοφανείς διαστάσεις εμφανίζονται πρόσφατα σε πολλούς τομείς. Αυτά τα σύνολα δεδομένων απαιτούν ειδικά εργαλεία ώστε να αναλύονται αποτελεσματικά και να εξάγονται χρήσιμες πληροφορίες από αυτά. Για την αντιμετώπιση αυτών των προκλήσεων έχουν δημιουργηθεί παράλληλα εργαλεία κατάλληλα για μαζικά δεδομένα. Το σημαντικότερο είναι να δοθεί ιδιαίτερη έμφαση ώστε να μπορούμε να παραλληλίσουμε διεργασίες στον βέλτιστο δυνατό βαθμό. Εν αντιστοιχία,ο σκοπός αυτής της διατριβής είναι να παράσχει μια μέθοδο απάντησης επερωτήσεων χρησιμοποιώντας ένα μόνο γύρο της τεχνικής του MapReduce. Αυτό επιτυγχάνεται δίδοντας ιδιαίτερη έμφαση στα δεδομένα εισόδου,δηλαδή σε δυαδικές ή «παχιές» σχέσεις δεδομένων . Yλοποιούμε έναν αλγόριθμο πολλαπλών συζεύξεων (“multiway join”) στους δύο αυτούς τύπους εισόδων και πραγματοποιούμε συγκρίσεις, όπου διαπιστώνουμε ότι οι «παχιές» σχέσεις δεδομένων επιτυγχάνουν καλύτερο χρόνο επεξεργασίας λόγω της φύσης αυτών των συνόλων δεδομένων. Η περίπτωση των "παχιών"σχέσεων δεδομένων, εξετάζεται στο πλαίσιο της ενοποίησης δεδομένων,συγκεκριμένα προτείνεται μια εφαρμογή για τη διασταύρωση των πληροφοριών στις πηγές των πολλαπλών δεδομένων, όταν υπάρχουν αντικρουόμενες πληροφορίες. Η περίπτωση των δυαδικών σχέσεων δεδομένων μελετάται επίσης σε σχέση με τα σύνολα δεδομένων RDF, τα οποία αποτελούν μια σημαντική εφαρμογή στον τομέα της διαχείρισης των σημασιολογικών δεδομένων ιστού και επιτυγχάνουμε σημαντική αύξηση στην ταχύτητα της επεξεργασίας επερωτημάτων.