دانلود ترجمه مقاله مرور سیستماتیک مدل های داده برای مساله کلان داده ها

1. مقدمه 2. پیشینه 3. روش تحقیق 4. بررسی مقالات منتخب 5. نتایج و مقایسه 6. نتیجه گیری

چکیده – امروزه داده ها به صورت جریان مداوم به عنوان ورودی برنامه ها و کاربردهای مختلف تولید می شوند. منابع داده هایی که این چنین ایجاد شده اند، می تواند شبکه های حسگر سیمی یا بی سیم باشد که معمولاً در زمینه های مختلف جغرافیایی، ترافیک، اینترنت اشیاء (IoT)، تیکرهای مالی، Web2 و Web3، تجارت الکترونیک، شبکه های اجتماعی و جوامع آنلاین استفاده می شوند. اخیراً حجم زیاد، تنوع زیاد و سرعت بالای داده ها چالش 3V را برای این حوزه ایجاد کرده است که به آن مساله کلان داده نیز می گویند. ابعاد پیچیدگی 3V در کلان داده شامل ذخیره سازی با سرعت بالا، مقیاس پذیری سیستم های پایگاه داده، مدل های داده مناسب، پاسخگویی در زمان واقعی و غیره است. مدل داده، به‌ عنوان طرح‌ واره نمایش داده‌، مسئله ‌ای ضروری تلقی می گردد، زیرا بسیاری موارد دیگر (به عنوان مثال، طراحی سیستم ‌های DBMS، زبان‌های DB و غیره) به آن تکیه می ‌کنند. بنابراین، مطالعه مدل ‌های داده یک جنبه کلیدی و اساسی در ساختار، سازمان ‌دهی، ذخیره‌ سازی و دستکاری کلان داده محسوب می شود. همچنین ماهیت حوزه های مختلف مهاجرت ابری، مقیاس وب و غیره تلقی می گردد. در این مقاله، به طور سیستماتیک انواع مختلف مدل ‌های داده، منطق پشت آن ‌ها، کاربردها و قابلیت‌ های پشتیبانی آن ‌ها و فناوری ‌های تغییر از یک مدل به مدل دیگر را بررسی کرده ‌ایم. برای رفع نیازهای کاربران در زمینه های مختلف، یک روش بررسی سیستماتیک برای طبقه بندی و ارائه انواع و ویژگی های مختلف مدل های داده اتخاذ شده است.

Nowadays, data are generated in a continuous streaming manner as the inputs of various applications. The sources of such generated data can be wired or wireless sensor networks commonly used in various fields of geographical, traffic, Internet of Things (IoT), financial tickers, Web2 and Web3, e-commerce, social networks, and online communities. The high volume, high variety, and high velocity of data have recently posed the challenge of 3Vs to this field, also known as the Big Data Problem. The 3Vs dimensions of complexities for the big data entails high-speed storage, scalability of database systems, suitable data models, real-time responsiveness and so on. Data model, as the representation schema of data is an essential issue since many others (e.g., DBMS systems’ design, DB languages, etc.) rely on. So, the study of data models is a key and fundamental aspect in structuring, organizing, storing, and manipulating big data. It is also the essence in various areas of cloud migration, web-scale, and so forth. In this paper, we have systematically reviewed different types of data models, the rationale behind them, their applications and support capabilities, and the technologies to switch from one model to another. To address the user needs in various fields, a systematic review method is adopted to classify and present different types and characteristics of data models.