Large Scale Data Analytics

این کتاب یک چارچوب پرس و جو یکپارچه زبان برای داده های بزرگ ارائه می دهد. رشد مداوم و سریع اطلاعات داده تا حجم تا ترابایت (1024 گیگابایت) یا پتابایت (1048576 گیگابایت) به این معنی است که نیاز به یک سیستم برای مدیریت و پرس و جو اطلاعات از منابع داده در مقیاس بزرگ بیشتر می شود. چارچوب ها و متدولوژی های موجود در حال حاضر از نظر کارایی و سازگاری پرس و جو بین منابع داده به دلیل تفاوت در ساختارهای ذخیره سازی اطلاعات محدود هستند. برای این تحقیق، نویسندگان چارچوبی را بر اساس اصول پرس و جوی یکپارچه زبان برای پرس و جو از منابع داده موجود بدون فرآیند بازسازی داده طراحی و برنامه ریزی کردند. یک پورتال وب برای این چارچوب نیز ساخته شد تا کاربران را قادر سازد تا داده های پروتئینی را از بانک داده پروتئین (PDB) جستجو کرده و آن را در Microsoft Azure پیاده سازی کنند، یک محیط محاسبات ابری که به دلیل قابلیت اطمینان، منابع محاسباتی گسترده و مقرون به صرفه بودن شناخته شده است.</ p>

This book presents a language integrated query framework for big data. The continuous, rapid growth of data information to volumes of up to terabytes (1,024 gigabytes) or petabytes (1,048,576 gigabytes) means that the need for a system to manage and query information from large scale data sources is becoming more urgent. Currently available frameworks and methodologies are limited in terms of efficiency and querying compatibility between data sources due to the differences in information storage structures. For this research, the authors designed and programmed a framework based on the fundamentals of language integrated query to query existing data sources without the process of data restructuring. A web portal for the framework was also built to enable users to query protein data from the Protein Data Bank (PDB) and implement it on Microsoft Azure, a cloud computing environment known for its reliability, vast computing resources and cost-effectiveness.