ارائه روش نوین فشرده سازی ترکیبی برای بهینه سازی مصرف حافظه وسرعت دسترسی درپایگاه داده ابری

شرکت ها و ارائه کنندگان خدمات ابری افزایش چشمگیری در میزان حجم داده ذخیره شده در فضای ابر عمومی و خصوصی را داشته اند. بنابراینهزینه ذخیره سازی داده ها در حال رشد است. زیرا آن ها از تنها عملکرد الیه ذخیره سازی برای ذخیره سازی تمام داده های ابری استفاده می کنند.این موضوع قابل توجه است که برای کاهش هزینه های ابری، داده ها را به دو دسته فعال (گرم) و غیرفعال (سرد) طبقه بندی می کنند. با توجه بهپژوهش در حافظه اصلی پایگاه داده ها، آثار اخیر در مورد روش های متمرکز برای شناسایی داده های گرم و داده های سرد است. روش پیگیری تاپل شناسایی است و به شناسایی گرم و سرد شناخته می شود. در مقابل، ما یک رویکرد جدید به نام روش load data infile که آهنگ هردو تاپل ها در دسترسی ذخیره سازی ثانویه پایگاه های داده است را معرفی میکنیم. هدف ما به منظور افزایش عملکرد در شرایط سه بعد است کهعبارتند از: فضای ذخیره سازی، زمان سپری شده پرس وجو، و مصرف cpu .به منظور تایید اثربخشی روشمان، پیاده سازی دقیق آن را بر رویرویکرد load data infile approach (lda) متوجه شدیم که سطرها را از یک فایل متنی داخل یک جدول با سرعت بسیار بالابا استفاده از معیار شناخته شده qps و tpc-h می خواند. نتایج تجربی نشان می دهد که عملکرد رویکرد load data در مقایسه با روشprepare_data، رویکرد بهتری را نسبت به دو بعد عملکرد دارد. به طور خاص، در عملکرد load data کاهش فضای ذخیره سازی 14 الی62 درصد به طور متوسط صورت گرفته و کاهش متوسط زمان پرس وجوی سپری شده نیز 280 الی 440 برابر نسبت به رویکرد سنتی پایگاه داده است.