ارائه روش نوین فشرده سازی ترکیبی برای بهینه سازی مصرف حافظه و سرعت دسترسی در پایگاه داده ابری

ارائه روش نوین فشرده سازی ترکیبی برای بهینه سازی مصرف حافظه و سرعت دسترسی در پایگاه داده ابری

شرکت ها و ارائه کنندگان خدمات ابری افزایش چشمگیری در میزان حجم داده ذخیره شده در فضای ابر عمومی و خصوصی را داشته اند. بنابراین هزینه ذخیره سازی داده ها در حال رشد است. زیرا آنها از تنها عملکرد لایه ذخیره سازی برای ذخیره سازی تمام داده های ابری استفاده می کنند.

این موضوع تابل توجه است که برای کاهش هزینه های ابری، داده ها را به دو دسته فعال (گرم) و غیرفعال (سرد) طبقه بندی می کنند. با توجه به پژوهش در حافظه اصلی پایگاه داده ها، آثار اخیر در مورد روش های متمرکز برای شناسایی داده های گرم و داده های سرد است. روش پیگیری قاپل شناسایی است و به شناسایی گرم و سرد شناخته می شود.

در مقابل، ما یک رویکرد جدید به نام روش load data infile که آهنگ هر دو تاپل ها در دسترسی ذخیره سازی ثانویه پایگاه های داده است را معرفی می کنیم. هدف ما به منظور افزایش عملکرد در شرایط سه بعد است که عبارتند از: فضای ذخیره سازی، زمان سپری شده پر سوجو، و مصرف cpu.

به منظور تأیید اثربخشی روشمان، پیاده سازی دقیق آن را بر روی رویکرد load data infile approach (lda) متوجه شدیم که سطرها را از یک فایل متنی داخل یک جدول با سرعت بسیار بالا با استفاده از معیار شناخته شده qps و tpc-h می خواند. نتایج تجربی نشان می دهد که عملکرد رویکرد load data در مقایسه با روش prepare_data ، رویکرد بهتری را نسبت به دو بعد عملکرد دارد. به طور خاص، در عملکرد load data کاهش فضای ذخیره سازی 14 الی 62 درصد به طور متوسط صورت گرفته و کاهش متوسط زمان پر سوجوی سپری شده نیز 280 الی 440 برابر نسبت به رویکرد سنتی پایگاه داده است.