فایل ورد کامل بهینه‌سازی پایگاه داده‌های درون حافظه‌ای با ستفاده از تخمین‌ آماری

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل بهینه‌سازی پایگاه داده‌های درون حافظه‌ای با ستفاده از تخمین‌ آماری،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۸ صفحه

الگوریتم‌های فشرده‌سازی فرهنگ لغات موجود قادر به حفظ ویژگی دسترسی مستقیم نبوده و از این طریق ضربه‌ی شدیدی به کارایی وارد می‌آورند. در این مقاله، ما یک رویکرد محتاطانه برای قالب‌بندی جداول فرهنگ لغت موجود برای دستیابی به سطوح کارایی به‌مراتب بهتر، بدون از دست دادن امتیاز دسترسی مستقیم، معرفی می‌کنیم. رویکرد فوق بر اساس کاهش فضای استفاده نشده در یک سطر فرهنگ لغت بوده و بر روی فرضیات ساده‌ی حاصل از آمارها، کار می‌کند. این مقاله همچنین تکنیکی را به منظور بهبود کارایی بردار ویژگی مورد بحث قرار می‌دهد که بعد از اعمال رویکرد فرهنگ لغت پیشنهادی، ایجاد می‌شود.

کلمات کلیدی: ابر | ذخیره‌‌های ستونی | فشرده‌سازی فرهنگ لغت | تقسیم کردن فرهنگ لغت | SAP HANA | بردار کدبندی بلوک | قضیه‌ی حد مرکزی.

عنوان انگلیسی:

In-Memory Database Optimization Using Statistical Estimation

~~en~~ writers :

Sudhir Verma, Vidur Shailendra Bhatnagar

Existing dictionary compression algorithms are not
able to preserve the property of direct access, thereby leading
to a severe hit in performance. In this paper, we propose a
prudent approach to format the existing dictionary tables to
achieve significantly better performance levels, without losing
direct access. The approach is based on reducing the unused
space in a dictionary column and works on simple premises
derived from statistics. This paper further discusses a
technique to improve performance of the attribute vector so
created, after employing the proposed dictionary approach.

Keywords: cloud | column stores | dictionary compression | split dictionary | SAP HANA | block encoding vector | central limit theorem

$$en!!