دانلود کتاب Stream data management

ترجمه فارسی توضیحات (ترجمه ماشینی)

مدیریت داده های جریانی

محققان در مدیریت داده اخیراً اهمیت دسته جدیدی از برنامه های کاربردی داده فشرده را که نیازمند مدیریت جریان های داده است، یعنی داده های متشکل از توالی پیوسته و بلادرنگ آیتم ها، پی برده اند. برنامه های کاربردی استریم چالش های جدید و جالبی را برای سیستم های مدیریت داده ایجاد می کند. چنین دامنه‌های کاربردی نیاز به ارزیابی مستمر پرس‌و‌جوها دارند، برخلاف ارزیابی یکباره یک پرس و جو برای برنامه‌های کاربردی سنتی. مجموعه داده های جریانی به طور مداوم رشد می کنند و پرس و جوها باید بر روی چنین مجموعه داده های نامحدودی ارزیابی شوند. این چالش‌ها، و همچنین چالش‌های دیگر، نیازمند بازنگری اساسی در تقریباً تمام جنبه‌های سیستم‌های مدیریت پایگاه داده سنتی برای پشتیبانی از برنامه‌های کاربردی است. مدیریت داده‌های جریانی شامل هشت فصل دعوت‌شده توسط محققان فعال در مدیریت داده‌های جریانی است. فصل‌های جمع‌آوری‌شده توضیحی از الگوریتم‌ها، زبان‌ها و همچنین سیستم‌های پیشنهادی و پیاده‌سازی شده برای مدیریت داده‌های جریانی ارائه می‌دهند. مدیریت داده‌های جریانی برای جلب توجه محققان یا متخصصانی که قبلاً در مدیریت داده‌های جریانی درگیر بوده‌اند و همچنین برای کسانی که در این زمینه شروع کرده‌اند طراحی شده است. . این کتاب همچنین برای دانشجویان تحصیلات تکمیلی علوم کامپیوتر که علاقه مند به یادگیری در مورد مدیریت داده های جریانی هستند مناسب است.

Stream data management

Researchers in data management have recently recognized the importance of a new class of data-intensive applications that requires managing data streams, i.e., data composed of continuous, real-time sequence of items. Streaming applications pose new and interesting challenges for data management systems. Such application domains require queries to be evaluated continuously as opposed to the one time evaluation of a query for traditional applications. Streaming data sets grow continuously and queries must be evaluated on such unbounded data sets. These, as well as other challenges, require a major rethink of almost all aspects of traditional database management systems to support streaming applications.Stream Data Management comprises eight invited chapters by researchers active in stream data management. The collected chapters provide exposition of algorithms, languages, as well as systems proposed and implemented for managing streaming data.Stream Data Management is designed to appeal to researchers or practitioners already involved in stream data management, as well as to those starting out in this area. This book is also suitable for graduate students in computer science interested in learning about stream data management.