view in publisher's site

Tools and Techniques for Streaming Data

Summary Nowadays, many organizations generate continuous flow of data. The data may arrive as rapid, multiple, continuous, time‐varying data streams. Such streaming data is generated from various sources such as sensor networks, telephone networks, mobile data, satellite, healthcare, geospatial services, real time applications, etc. Processing streaming data is tedious due to its speed, heterogeneous formats of data and volume. Recent advancements in big data techniques and tools made the processing of streaming data easier. In this chapter, after a survey, the available techniques are categorized into (i) traditional streaming data techniques, (ii) data mining streaming techniques, and (iii) big data techniques for streaming data and these techniques are discussed in detail with a special emphasis to recent big data based streaming architectures.

ابزارها و تکنیک‌های جریان داده

خلاصه امروزه، بسیاری از سازمان‌ها جریان پیوسته داده‌ها را تولید می‌کنند. داده‌ها ممکن است به صورت جریان داده‌های سریع، چندگانه، پیوسته و متغیر با زمان به دست آیند. این داده‌های جریان یابی از منابع مختلف مانند شبکه‌های حسگر، شبکه‌های تلفن، داده‌های موبایل، ماهواره، مراقبت‌های بهداشتی، خدمات مکانی، برنامه‌های کاربردی زمان واقعی و غیره تولید می‌شوند. پردازش داده‌های جریان یابی به دلیل سرعت، فرمت های ناهمگن داده و حجم خسته‌کننده است. پیشرفت‌های اخیر در تکنیک‌ها و ابزارهای داده‌های بزرگ پردازش داده‌های جاری را آسان‌تر کرده‌است. در این فصل، پس از بررسی، تکنیک‌های موجود به (۱)تکنیک‌های داده جریان سنتی، (۲)تکنیک‌های داده کاوی و (۳)تکنیک‌های داده بزرگ برای داده‌های جریان طبقه‌بندی می‌شوند و این تکنیک‌ها به طور مفصل با تاکید خاصی بر معماری‌های جاری سازی داده‌های بزرگ اخیر مورد بحث قرار می‌گیرند.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.