ارائه روش نوين فشرده سازي تركيبي براي بهينه سازي مصرف حافظه وسرعت دسترسي درپايگاه داده ابري

شركت ها و ارائه كنندگان خدمات ابري افزايش چشمگيري در ميزان حجم داده ذخيره شده در فضاي ابر عمومي و خصوصي را داشته اند. بنابراين هزينه ذخيره سازي داده ها در حال رشد است. زيرا آن ها از تنها عملكرد اليه ذخيره سازي براي ذخيره سازي تمام داده هاي ابري استفاده مي كنند. اين موضوع قابل توجه است كه براي كاهش هزينه هاي ابري، داده ها را به دو دسته فعال (گرم) و غيرفعال (سرد) طبقه بندي مي كنند. با توجه به پژوهش در حافظه اصلي پايگاه داده ها، آثار اخير در مورد روش هاي متمركز براي شناسايي داده هاي گرم و داده هاي سرد است. روش پيگيري تاپل شناسايي است و به شناسايي گرم و سرد شناخته مي شود. در مقابل، ما يك رويكرد جديد به نام روش LOAD DATA INFILE كه آهنگ هر دو تاپل ها در دسترسي ذخيره سازي ثانويه پايگاه هاي داده است را معرفي ميكنيم. هدف ما به منظور افزايش عملكرد در شرايط سه بعد است كه عبارتند از: فضاي ذخيره سازي، زمان سپري شده پرس وجو، و مصرف CPU .به منظور تأييد اثربخشي روشمان، پياده سازي دقيق آن را بر روي رويكرد LOAD DATA INFILE Approach (LDA) متوجه شديم كه سطرها را از يك فايل متني داخل يك جدول با سرعت بسيار بالا با استفاده از معيار شناخته شده qps و TPC-H مي خواند. نتايج تجربي نشان مي دهد كه عملكرد رويكرد LOAD DATA در مقايسه با روش prepare_data، رويكرد بهتري را نسبت به دو بعد عملكرد دارد. به طور خاص، در عملكرد LOAD DATA كاهش فضاي ذخيره سازي 14 الي 62 درصد به طور متوسط صورت گرفته و كاهش متوسط زمان پرس وجوي سپري شده نيز 280 الي 440 برابر نسبت به رويكرد سنتي پايگاه داده است.