مروري بر محاسبات موازيِ داده‌ها‌ي فضايي بزرگ در محاسبات ابري

The Review of the Parallel Computing of Large Spatial Data in Cloud Computing

با رشد بسيار زياد داده‌هاي فضايي با حجم بالا، همانند نقشه‌ برداري اغلب نياز به تجزيه و تحليل‌هاي فضايي بزرگ و روش‌هاي مدل‌سازي با سيستم هماهنگ مشترك مي‌باشد. با توجه به حجم بالاي اين داده ها و پيچيدگي‌هاي الگوريتمي، تبديل داده‌هاي فضايي بزرگ بين پيش‌بيني‌هاي جايگزين يك چالش فشرده محاسباتي محسوب مي‌شود. پيشرفت اخير در محاسبات ابري و پردازش موازي راهكارهايي براي رسيدگي به اين چالش محاسباتي ارائه مي‌دهد. اين مطالعه محاسبات داده‌هاي فضايي بزرگ براي چارچوب‌هاي پيش بيني نقشه به صورت معمولي و موازي را در مطالعات اخير مورد بررسي قرار مي‌دهد. نتايج حاصل از اين مطالعه بر روي داده‌هاي فضايي بزرگ نشان مي‌دهد، تركيب محاسبات ابري و پردازش موازي مي‌تواند يك راه حل مناسب براي پردازش و تجزيه و تحليل اين داده‌ها باشد.

With the enormous growth of high-volume spatial data, as in mapping, there is often a need for large-scale spatial analysis and collaborative harmonization of modeling techniques. Given the high volume of these data and algorithmic complexities, the transformation of large spatial data between alternative predictions is a computational challenge. Recent advances in cloud computing and parallel processing provide solutions to address this computational challenge. This study examines large-scale spatial data calculations for conventional and parallel map prediction frameworks in recent studies. The results of this study on large spatial data show that the combination of cloud computing and parallel processing can be an appropriate solution for processing and analyzing these data.