E-Cube: تجزیه و تحلیل توالی رویداد چند بعدی با استفاده از به اشتراک گذاری پرس و جو الگوی سلسله مراتبی
| عنوان | E-Cube: تجزیه و تحلیل توالی رویداد چند بعدی با استفاده از به اشتراک گذاری پرس و جو الگوی سلسله مراتبی |
|---|---|
| نویسنده | لیو، ام.، راندنشتاینر، ای.، گرینفیلد، ک.، گوپتا، جی.، وانگ، اس.، آری، اسماعیل، مهتا، آ. |
| تاریخ انتشار: | 2011-06-12 |
| محل انتشار | - ACM |
| موضوع | پردازش رویداد پیچیده، OLAP، جریان، بهینه سازی، الگوریتم |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 978-1-4503-0661-4 |
| شماره ثبت | 4c3d8809-cebe-45ac-baf8-96f20b73b71d |
| محل کتابخانه | علوم کامپیوتر |
| تاریخ | 2011-06-12 |
| یادداشتها | با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است. |
| متن نمونه | بسیاری از برنامه های کاربردی مدرن، از جمله فیدهای مالی آنلاین، سیستم های حمل و نقل انبوه مبتنی بر برچسب و سیستم های مدیریت زنجیره تامین مبتنی بر RFID، جریان های داده را در زمان واقعی انتقال می دهند. نیاز به فناوری پردازش جریان رویداد برای تجزیه و تحلیل این حجم وسیع از دادههای متوالی برای فعال کردن تصمیمگیری عملیاتی آنلاین وجود دارد. تکنیکهای موجود مانند سیستمهای پردازش تحلیلی آنلاین سنتی (OLAP) برای عملیاتهای مبتنی بر الگوی زمان واقعی طراحی نشدهاند، در حالی که سیستمهای پیشرفته پردازش رویداد پیچیده (CEP) که برای تشخیص توالی طراحی شدهاند، از عملیات OLAP پشتیبانی نمیکنند. ما یک مدل E-Cube جدید پیشنهاد میکنیم که تکنیکهای CEP و OLAP را برای تحلیل الگوی رویداد چند بعدی کارآمد در سطوح مختلف انتزاع ترکیب میکند. تجزیه و تحلیل ما از روابط متقابل در انتزاع مفهوم و اصلاح الگو در میان پرسوجوها، ترکیب این پرسشها را در یک سلسله مراتب یکپارچه E-Cube تسهیل میکند. بر اساس این سلسله مراتب E-Cube، استراتژیهای دریل-پایین (تصفیه از الگوهای انتزاعی به الگوهای خاص تر) و جمعآوری (تعمیم از الگوهای خاص به الگوهای انتزاعی تر) برای ارزیابی حجم کار کارآمد توسعه داده شدهاند. استراتژیهای اجرای پیشنهادی ما از نتایج میانی در امتداد مفهوم و روابط اصلاح الگو بین پرسوجوها استفاده مجدد میکنند. بر اساس این مبنا، ما یک بهینه ساز تطبیقی مبتنی بر هزینه به نام Chase طراحی می کنیم که از استراتژی های استفاده مجدد بالا برای اجرای بهینه سلسله مراتب E-Cube استفاده می کند. مطالعات تجربی ما با مقایسه استراتژیهای جایگزین در جریان دادههای مالی دنیای واقعی تحت شرایط بار کاری مختلف، برتری روش چیس را نشان میدهد. به طور خاص، اجرای Chase ما در بسیاری از موارد ده برابر سریعتر از استراتژی پیشرفته برای بارهای کاری جستجوی واقعی بازار سهام انجام می شود. |
| DOI | 10.1145/1989323.1989416 |
