بررسي مدل هاي جديد مديريت داده هاي غير سنتي

امروزه پیشرفت تکنولوژی موجب گردیده تا داده­ ها در بسیاری از کاربردها از حالت سنتی خارج شوند و به اشکال گوناگون در برنامه­ها و کاربردهای مختلف ظهور پیدا کنند.

چکیده:

امروزه پیشرفت تکنولوژی موجب گردیده تا داده­ ها در بسیاری از کاربردها از حالت سنتی خارج شوند و به اشکال گوناگون در برنامه­ها و کاربردهای مختلف ظهور پیدا کنند. از این جمله می­توان به داده­ های عظیم، داده­های بلااستفاده و داده­ هایی که به شکل رکوردهایی از اطلاعات در شبکه­های ماشین به ماشین (M2M[1]) دتبادل میگردند. مدیریت و استفاده از هر یک از انواع داده­های یاد شده، مستلزم به کارگیری شیوه­های جدید مدیریت داده می­باشد و چه بسا شیوه­های سنتی دستکاری داده به تنهایی جواب­گوی نیازهای این دسته از داده­ های مدرن نباشد.

در مقاله پیش رو برخی از مدل­های ارائه شده جهت مدیریت هرچه بهتر و کارآمدتر این داده­ها و چگونگی استفاده از آن­ها در افزایش راندمان سیستم­هایی که از آن­ها استفاده می­کنند، مورد بررسی و مطالعه قرار گرفته است.

بیان مساله:

در این مقاله به مرور سه چالش فراروی دستکاری داده­ ها که امروزه با پیشرفت تکنولوژی و گسترش انواع برنامه­های کاربردی حاوی داده­های مهم، فراروی محققان این عرصه وجود دارد، پرداخته­ایم. اولین چالش مربوط به حجم بالای اطلاعاتی است که در شبکه های مبتنی بر عملکرد M2M کار می­کنند. در چنین شبکه­هایی، برای پشتیبانی از تعداد بیشمار ارتباطات بین دستگاه­ها لازم است، هزینه­ی سرباری که در اثر رد و بدل کردن غیرضروری داده بر شبکه­ی مرکزی تحمیل می­شود، کاهش یابد [1].

مساله­ی دوم که به بررسی آن پرداخته شده، مساله­ی انباشت داده ­های مشتت و پراکنده در کاربردهای مختلف نظیر سازمان­ها، شرکت­ها و سکوهای وب می­باشد. قرارگیریاین داده ­ها در محل­های مختلف در فرمت­های متعدد و ناهمگون، خود چالش بزرگی است که اگر بدان پرداخته نشود موجب بلااستفاده ماندن این چنین داده­های ارزشمندی می­گردد [2].

مساله­ی سوم شیوه­های مدیریتی اتخاذ شده در تقابل با داده­های عظیم است.اینکه در برخورد با چنین داده­هایی آیا شیوه­های سنتی یا شیوه­های مدرن، هریک به تنهایی پاسخگوی نیازهای مدیریتی چنین داده­ هایی می­تواند باشد یا این­که در نهایت باید ترکیبی از این شیوه­ها در استراتژی­های مدیریتی برای چنین داده­هایی مورد استفاده قرار دا

واژه‌های کلیدی: داده­های عظیم، شبکه­های M2M، مدیریت هوشمند داده

ادامه مطلب