Vijay Kumar Joshi

In der heutigen schnell wachsenden Welt haben wir verteilte Datenquellen analysiert, die t glich bis zu Gigabyte an Daten ver ffentlichen, die sich ber einen Zeitraum von mehreren Monaten bis in den Terabyte-Bereich ansammeln. Daraus ergibt sich die Herausforderung, wie diese verteilten Datens tze effizient gespeichert werden k nnen, sowohl in Arbeits-Caches f r den schnellen Echtzeit-Zugriff als auch in archivierten Formen, die f r die Offline-Datenanalyse wiederverwendet werden k nnen. In diesem Beitrag haben wir die Verarbeitungsdienste vorgestellt, die f r den gleichzeitigen Zugriff auf mehrere Datens tze erforderlich sind, um intelligente Datenfusionsergebnisse zu erzeugen, die anschlie end den Entscheidungstr gern in Echtzeit zur Verf gung gestellt werden. Da es eine Herausforderung ist, alle Ergebnisse effizient zu analysieren, m ssen wir eine L sung finden, um die Verarbeitung schneller und effizienter zu gestalten. Hier entwerfen wir eine Methode, die Metatags verwendet, um die Verarbeitungszeit und die Belastung der bestehenden Systeme zu reduzieren. Die Metatags definieren im Grunde die verschiedenen Attribute von Datendateien und bieten uns Optionen f r den Zugriff auf die Dateien auf der Grundlage der Auswahl von Attributen. Im vorgeschlagenen System werden leichtgewichtige und schwergewichtige semantische Daten auf der Grundlage ihrer Gr e getrennt. ber 10 werden in die Liste der schwergewichtigen und unter 10 in die Liste der leichtgewichtigen Dateien aufgenommen.

W dzisiejszym szybko rozwijającym się świecie analizujemy rozproszone źr dla danych publikujące do gigabajt w danych każdego dnia, gromadząc je w ciągu kilku miesięcy do skali terabajt w. Rodzi to wyzwanie, w jaki spos b efektywnie przechowywac te rozproszone zbiory danych, zar wno w roboczych pamięciach podręcznych zapewniających szybki dostęp w czasie rzeczywistym, jak i w formach zarchiwizowanych, kt re można ponownie wykorzystac do analizy danych offline. W tym artykule przedstawiliśmy uslugi przetwarzania, kt re muszą uzyskac dostęp do kilku zbior w danych jednocześnie, aby uzyskac inteligentne wyniki fuzji danych, kt re są następnie udostępniane decydentom w czasie rzeczywistym. Ponieważ skuteczna analiza wszystkich wynik w jest wyzwaniem, musimy znaleźc rozwiązanie, kt re przyspieszy i usprawni przetwarzanie. W tym przypadku projektujemy metodę wykorzystującą metatagi, aby skr cic czas przetwarzania i zmniejszyc obciążenie istniejących system w. Metatagi zasadniczo definiują r żne atrybuty plik w danych i zapewniają nam opcje dostępu do plik w na podstawie wybranych atrybut w. W proponowanym systemie lekka i ciężka semantyka są oddzielane na podstawie rozmiaru. Powyżej 10 są dodawane do listy wagi ciężkiej, a poniżej 10 są dodawane do listy wagi lekkiej.

Nel mondo di oggi, in rapida crescita, abbiamo analizzato fonti di dati distribuite che pubblicano fino a gigabyte di dati ogni giorno, che si accumulano nell'arco di diversi mesi fino a raggiungere la scala dei terabyte. Ci pone la sfida di come archiviare in modo efficiente questi insiemi di dati distribuiti, sia in cache di lavoro per un rapido accesso in tempo reale, sia in forme archiviate che possono essere reintegrate per l'analisi dei dati offline. In questo lavoro abbiamo presentato i servizi di elaborazione necessari per accedere a diversi insiemi di dati contemporaneamente per produrre risultati intelligenti di fusione dei dati, che vengono poi messi a disposizione dei decisori in tempo reale. Poich difficile analizzare tutti i risultati in modo efficiente, dobbiamo trovare una soluzione per rendere l'elaborazione pi veloce ed efficiente. Qui stiamo progettando un metodo che utilizza i metatag per ridurre il tempo di elaborazione e il carico dei sistemi esistenti. I metatag definiscono fondamentalmente i vari attributi dei file di dati e forniscono opzioni di accesso ai file in base alla selezione degli attributi. Nel sistema proposto, la semantica leggera e quella pesante vengono separate in base alle dimensioni. Le dimensioni superiori a 10 vengono aggiunte all'elenco dei pesi massimi e quelle inferiori a 10 all'elenco dei pesi minimi.

No mundo atual, em r pido crescimento, analis mos fontes de dados distribu das que publicam at gigabytes de dados todos os dias, acumulando ao longo de v rios meses escala dos terabytes. Isto levanta o desafio de como armazenar de forma eficiente estes conjuntos de dados distribu dos, tanto em caches de trabalho para acesso r pido em tempo real como em formas arquivadas que podem ser reinstaladas para an lise de dados offline. Neste documento, apresentamos os servi os de processamento necess rios para aceder a v rios conjuntos de dados em simult neo para produzir resultados inteligentes de fus o de dados, que s o posteriormente disponibilizados aos decisores em tempo real. Uma vez que dif cil analisar todos os resultados de forma eficiente, temos de encontrar uma solu o para tornar o processamento mais r pido e mais eficiente. Neste caso, estamos a conceber um m todo que utiliza metatags para reduzir o tempo de processamento e a carga dos sistemas existentes. Os metatags definem basicamente os v rios atributos dos ficheiros de dados e d o-nos op es para aceder aos ficheiros com base na sele o dos atributos. No sistema proposto, a sem ntica leve e a sem ntica pesada est o a ser separadas com base no tamanho. Os ficheiros de tamanho superior a 10 s o adicionados lista de peso pesado e os ficheiros de tamanho inferior a 10 s o adicionados lista de peso leve.

Dans le monde actuel en pleine croissance, nous avons analys des sources de donn es distribu es qui publient jusqu' des gigaoctets de donn es chaque jour, s'accumulant sur une p riode de plusieurs mois pour atteindre l' chelle du t raoctet. Cela pose le probl me du stockage efficace de ces ensembles de donn es distribu es, la fois dans des caches de travail pour un acc s rapide en temps r el et dans des formes archiv es qui peuvent tre r int gr es pour l'analyse des donn es hors ligne. Dans cet article, nous avons pr sent les services de traitement n cessaires pour acc der simultan ment plusieurs ensembles de donn es afin de produire des r sultats intelligents de fusion de donn es, qui sont ensuite mis la disposition des d cideurs en temps r el. Comme il est difficile d'analyser efficacement tous les r sultats, nous devons trouver une solution pour rendre le traitement plus rapide et plus efficace. Nous concevons ici une m thode utilisant les m tabalises pour r duire le temps de traitement et la charge des syst mes existants. Les m tabalises d finissent essentiellement les diff rents attributs des fichiers de donn es et nous fournissent des options pour acc der aux fichiers sur la base de la s lection des attributs. Dans le syst me propos , la s mantique l g re et la s mantique lourde sont s par es en fonction de leur taille. Les noms sup rieurs 10 sont ajout s la liste des noms lourds et les noms inf rieurs 10 sont ajout s la liste des noms l gers.

In today's fast growing world we have analyzed distributed data sources publishing up to gigabytes of data each day, accumulating over the period of several months to the terabyte scale. This raises the challenge of how to efficiently store these distributed datasets, both in working caches for fast real-time access and archived forms which can be rein satiated for offline data analysis. In this paper, we have presented the processing services need to access several datasets at once to produce intelligent data fusion results, which are subsequently made available to decision makers in real-time. Since it is challenging to analyze all the results efficiently we have to make a solution of making the processing faster and more efficient. Here we are designing a method using Metatags to reduce the processing time and load of the existing systems. The metatags basically define the various attributes of data files and provide us options to access the files on the basis of selecting attributes. In proposed system light weight and heavy weight semantic is being separated on the basis of size. Above 10 are being added to heavy weight list and below 10 are added to light weight list.