اخبار و اعلانات

 آمار

تعداد نشریات34
تعداد شماره‌ها1,306
تعداد مقالات9,427
تعداد مشاهده مقاله9,188,354
تعداد دریافت فایل اصل مقاله5,620,779
حسین زاده, محمد رضا, غفوری, آرش, نادری, حسن. (1398). بررسی و ارزیابی فناوری‌های داده‌های عظیم به‌عنوان سرویس. پدافند الکترونیکی و سایبری, 1(2), 1-10.
محمد رضا حسین زاده; آرش غفوری; حسن نادری. "بررسی و ارزیابی فناوری‌های داده‌های عظیم به‌عنوان سرویس". پدافند الکترونیکی و سایبری, 1, 2, 1398, 1-10.
حسین زاده, محمد رضا, غفوری, آرش, نادری, حسن. (1398). 'بررسی و ارزیابی فناوری‌های داده‌های عظیم به‌عنوان سرویس', پدافند الکترونیکی و سایبری, 1(2), pp. 1-10.
حسین زاده, محمد رضا, غفوری, آرش, نادری, حسن. بررسی و ارزیابی فناوری‌های داده‌های عظیم به‌عنوان سرویس. پدافند الکترونیکی و سایبری, 1398; 1(2): 1-10.

بررسی و ارزیابی فناوری‌های داده‌های عظیم به‌عنوان سرویس

مجله نوآوری های فناوری اطلاعات و ارتباطات کاربردی
دوره 1، شماره 2، بهمن 1398، صفحه 1-10    اصل مقاله (1.09 M)
نوع مقاله: مقاله مروری
نویسندگان
محمد رضا حسین زاده1؛ آرش غفوری* 2؛ حسن نادری3
1کارشناس ارشد دانشگاه جامع امام حسین(ع)
2دانشجوی دکتری دانشگاه علم و صنعت ایران
3دانشیار دانشگاه علم و صنعت ایران
تاریخ دریافت: 03 اسفند 1397،  تاریخ پذیرش: 05 بهمن 1399 
چکیده
با پدیدار شدن فناوری داده های عظیم به عنوان سرویس، سازمان های کوچک می توانند خدمات موردنیاز خود، در موورد داده هوا ی عظویم را از
طریق سرویس های شرکت های بزرگ تأمین کنند. این کار باعث کاهش منابع موردنیاز برای پروژه های آزمایشی و کاهش هزینه ها می شود. بوا
توجه به لایه های چارچوب داده های عظیم به عنوان سرویس، شرکت های پیشرو هرکدام سرویس هوا ی خوود را روی برخوی از لایو ه هوا ی ایون
چارچوب ارائه می دهند و کاربران می توانند با توجه به نیازهای خود، سرویس دهنده موردنظر را انتخاب کننود. در ایون ملا وه هشوت فنواوری
مهمی که به صورت داده های عظیم به عنوان سرویس توسط شرکت های مختلف ارائه می شوند مورد بررسی و ارزیابی قرار گرفتوه و بوا ییودی ر
ملایسه شدند. نیته مهمی که باید به آن توجه شود تنوع سرویس هایی است که توسط شرکت های مختلف ارائه می شوند به نحوی که نمی تووان
در مورد برتری یک سرویس نسبت به سرویس های دی ر قضاوت کرد بلیه هدف ارائه دهندگان سرویس، ارائه خودمات متنووع تور و مبتنوی بور
تلاضا است که کاربران با توجه به نیازهای خود سرویس های موردنظر را انتخاب کنند
کلیدواژه‌ها
داده عظیم؛ داده های عظیم به عنوان سرویس؛ BDaaS؛ ابر
عنوان مقاله [English]
Review and Evaluation of Big Data Technologies as a Service
نویسندگان [English]
M. R. Hosseinzade1؛ A. Ghafori2؛ H. Naderi3
1ihu
2iust
3iust
چکیده [English]
With the advent of big data technology as a service, small organizations can provide services they need in the case of big data through corporate services. This work reduces the resources required for pilot projects and reduces costs. Due to the layers of the big data framework as a service, leading companies each offer their services on some layers of this framework, and users can choose the service provider according to their needs. In this paper, eight important technologies that are presented as big data as a service by different companies were reviewed and compared with each other. An important issue to consider is the variety of services provided by different companies so that one can not judge the superiority of one service over other services, but the goal of service providers is to provide more diverse and demand-based services that users according to their needs Choose them.
کلیدواژه‌ها [English]
Big Data, Big Data as a Service, BDaaS, Cloud
مراجع

[1] C. Snijders, U. Matzat, and U. D. Reips, “Big Data, Big gaps of knowledge in the field of internet science,” International Journal of Internet Science, vol. 7(1), pp. 1-5, 2012.##
[2] P. A. Sria and M. Anusha, “Big Data-Survey,” Indonesian Journal of Electrical Engineering and Informatics (IJEEI), vol. 4(1), pp. 74-80, 2016.##
[3] J. Manyika, M. Chui, B. Brown, J. Bughin, R. Dobbs, C. Roxburgh, and A. H. Byers, “Big data: The next frontier for innovation,” Competition, and Productivity, 2011.##
[4] L. Liu, “Computing infrastructure for big data processing,” Frontiers of Computer Science, vol. 7(2), pp. 165-170, 2013.##
[5] Everything You Need to Know About Big Data as a Service (BDaaS), 2015. Available at http://www.cleverism.com/everything-need-know-big-data-as-a-service-bdaas.##
[6] Oracle Information Architecture: An Architect’s Guide to Big Data, Oracle, August 2012.##
[7] A. Rangarajan and D. Batts, “Small Steps to Big Data-An SOA-Driven Framework for Meaningful Healthcare Analytics Implementation,” 2015.##
[8] M. Beyer, J. D. Lovelock, D. Sommer, and M. Adrian, “Big Data Drives Rapid Changes in Infrastructure and $232 Billion in IT Spending Through 2016,” Gartner Research, 2012.##
[9] X. Yang and H. Zhang, “Cloud computing and SOA convergence research,” In Computational Intelligence and Design (ISCID), 2012 Fifth International Symposium on, IEEE, vol. 1, pp. 330-335, October 2012.##
[10] S. Chethan, “Compendious study of Big Data as a Service (BDaaS),” International Journal of Control Theory and Applications, vol. 10(14), pp. 59-63, 2017.##
[11] E. Xinhua, J. Han, Y. Wang, and L. Liu, “Big Data-as-a-Service: Definition and architecture. In Communication Technology (ICCT), ” 2013 15th IEEE International Conference on, IEEE, pp. 738-742, November 2013.##
[12] Z. Zheng, J. Zhu, and M. R. Lyu, “Service-generated big data and big data-as-a-service: an overview,” In Big Data (BigData Congress), 2013 IEEE International Congress on, pp. 403-410, June 2013.##
[13] B.Marr, “The Next Big Thing In Big Data: BDaaS, Retrieved from linkedin,” july 2015. https://www.linkedin.com/pulse/next-big-thing-data-bdaas-bernard-marr##
[14] Y. Kim, Y. H. Kim, G. W. Lee, and E. N. Huh, “Survey of BigData-as-a-Service Type,” In High Performance Computing and Communications (HPCC), 2015 IEEE 7th International Symposium on Cyberspace Safety and Security (CSS), 2015 IEEE 12th International Conferen on Embedded Software and Systems (ICESS), 2015 IEEE 17th International Conference on, pp. 1573-1578, August 2015.##
[15] Q. H. Vu and R. Asal, “A framework for big data as a service,” In Digital Signal Processing (DSP), 2015 IEEE International Conference on, pp. 492-496, July 2015.##
[16] A. E. C. Cloud, “Amazon web services,” Retrieved November 2011.##
[17] S. Sivasubramanian, “Amazon dynamoDB: a seamlessly scalable non-relational database service,” In Proceedings of the 2012 ACM SIGMOD International Conference on Management of Data, pp. 729-730, May 2012.##
[18] A. Singh and V. Rayapati, “Learning Big Data with Amazon Elastic MapReduce,” Packt Publishing Ltd, 2014.##
[19] S. B. Siewert, “Big data in the cloud. Data velocity,” variety, veracity, pp. 4-21, 2013.##
[20] A. Chauhan, V. Fontama, M. Hart, W. H. Tok, and B. WoodyIntroducing Microsoft Azure HDInsight, Microsoft press, 2014.##

آمار
تعداد مشاهده مقاله: 470
تعداد دریافت فایل اصل مقاله: 364