بررسي و تحليل تكثير داده ها در پايگاه داده هاي توزيع شده

محبوبيت روزافزون تجزيه و تحليل كلان داده و محاسبات ابري، استانداردهاي مديريت كلان داده جديدي را ايجاد كرده است. تا به حال، پايگاه داده هاي رابطه اي يك انتخاب بهينه براي سازمان بودند. با اين حال، با رشد مداوم داده هاي ذخيره شده و تحليل شده، پايگاه هاي داده رابطه اي محدوديت هاي مختلفي را نشان مي دهند، به عنوان مثال .محدوديت هاي مقياس پذيري و ذخيره سازي، و از دست دادن كارايي پرس و جو به دليل حجم زياد داده ها، و ذخيره و مديريت پايگاه هاي داده بزرگتر چالش برانگيز مي شوند. به منظور غلبه بر اين محدوديت ها، يك مدل پايگاه داده جديد با مجموعه اي از ويژگي هاي جديد، به نام پايگاه هاي داده NoSQL توسعه يافت. پايگاه داده هاي غير رابطه اي به عنوان يك فناوري پيشرفته ظاهر شدند و مي توانند به تنهايي يا به عنوان مكمل پايگاه داده رابطه اي مورد استفاده قرار گيرند. يكي از چالش هاي مهم در اين زمينه كه تاثير بسزايي در كارايي اينگونه سيستم ها دارد تكثير داده ها است. فاكتور تكثير بر در دسترس بودن داده ها تأثير دارد كه مي تواند مربوط به زمان خواندن و در نهايت زمان اجرا باشد . انواع NoSQL زيادي با عملكردهاي مختلف وجود دارد، بنابراين مقايسه آنها از نظر عملكرد مهم است. در اين مقاله، ما سه پايگاه داده محبوب NoSQL را ارزيابي مي كنيم: Cassandra ،HBase ،MongoDB ،و به يك بررسي از الگوريتم هاي تكثير براي سيستم هاي ذخيره سازي و مديريت محتواي مختلف توزيع شده از جمله سيستم هاي مديريت پايگاه داده توزيع شده ، و اناليز و بررسي و تكثير داده ها در hbase , mongodb و cassandra پرداخته مي شود .و سعي بر اين است كه عملكرد چندين سيستم توزيع شده را با استفاده از فاكتورهاي تكرار اناليز كرده و براي داده هاي مختلف ارزيابي كنيم وبا مقايسه بر بهبود آن تاثيرگذار باشيم. فاكتور تكثير در سيستم هاي پايگاه داده توزيع شده به منظور افزايش performance و افزايش دسترس پذيري استفاده مي شود. در اين خصوص هر سيستم توزيع شده ي پايگاه داده ي NoSQL سياست هاي مخصوص خود را در راستاي انتخاب نوع و تعداد replication ها انجام ميدهد