1. Наука
  2. Видання
  3. Системи обробки інформації
  4. 2(157)'2019
  5. Розподіл навантаження при побудові звітів та запитів з великим обсягом даних

Розподіл навантаження при побудові звітів та запитів з великим обсягом даних

A.Г. Савенко, A.С. Гавриленко
Аннотации на языках:


Анотация: Запропоновано підхід щодо перерозподілу навантаження web-, мобільних- і desktop- клієнт-серверних додатків для збільшення швидкодії при побудові звітів і запитів з великою кількістю даних на технологіях PHP, RabbitMQ, Redis і реляційної базі даних. Запропонований підхід дозволяє значно збільшити швидкодію існуючих, не призначених спочатку для обробки великих даних, додатків, а також розробляти нові клієнт-серверні додатки, призначені для обробки великих обсягів інформації (великої кількості запитів).


Ключевые слова: розподіл навантаження, big data, запити, API, клієнт-серверні додатки

Список литературы

1. Выбор языка программирования для решения задач, связанных с применением технологии Big Data / В.Д. Львович, В.И. Анисимов, А.Л. Хотеев, М.В. Стержанов // BIG DATA и анализ высокого уровня: сборник материалов V Международной научно-практической конференции, Минск, 13–14 марта 2019 г. В 2 ч. Ч. 2 / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2019. – С. 117-120.
2. Боровиков С.М. Большие данные и принципы разработки аналитических систем / С.М. Боровиков, С.К. Дик, С.С. Дик // BIG DATA и анализ высокого уровня: сборник материалов V Международной научно-практической конференции, Минск, 13–14 марта 2019 г. В 2 ч. Ч. 2 / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2019. – С. 167-171.
3. Успенский,Н. Новые подходы управления данными / Н. Успенский // BIG DATA и анализ высокого уровня: сборник материалов V Международной научно-практической конференции, Минск, 13–14 марта 2019 г. В 2 ч. Ч. 1 / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2019. – С. 28-33.
4. Распределённые файловые системы для организации хранилищ структурированных данных / И. Н. Цырельчук, Е.Н. Шнейдеров, П.А. Берашевич, Н.А. Лос, А.С. Терешков // BIG DATA и анализ высокого уровня: сборник материалов IV Международной научно-практической конференции, Минск, 3–4 мая 2018 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2018. – С. 463-466.
5. Хадасевич А.И. Обработка больших объемов информации с использованием платформы Hadoop и службы облачных вычислений Microsoft Azure / А.И. Хадасевич, В.И. Швец // Компьютерные системы и сети: материалы 54-й научной конференции аспирантов, магистрантов и студентов, Минск, 23 – 27 апреля 2018 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2018. – С. 208.
6. Heger D. Future of big data / D. Heger // BIG DATA and Predictive Analytics. Использование BIG DATA для оптимизации бизнеса и информационных технологий: сборник материалов международной научно-практической конференции. – Минск: БГУИР, 2015. – С. 72-75.
7. Карау Х. Эффективный Spark. Масштабирование и оптимизация / Х. Карау, Р. Уоррен. – СПб.: Питер, 2018. – 352 с.
8. Franks B. Taming the big data. Finding Opportunities in Huge Data Streams with Advanced Analytics / B. Franks. – Hoboken, New Jersey: Wiley, 2014. – 336 p.
9. Borovikov S. Prediction in Big Data Technology / S. Borovikov // BIG DATA and Advanced Analytics. Использование BIG DATA для оптимизации бизнеса и информационных технологий: сборник материалов II международной научно-практической конференции; Минск, 15-17 июня 2016 г. – Минск: БГУИР, 2016. – С. 98-101.
10. Лучшие практики разработки Big Data приложений на базе Hadoop / М. Хороненко, Н. Харитонов, М. Медуницкий, М. Стержанов // BIG DATA и анализ высокого уровня: сборник материалов V Международной научно-практической конференции, Минск, 13–14 марта 2019 г. В 2 ч. Ч. 2 / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2019. – С. 188-193.
11. Deepak V. Practical Hadoop Ecosystem: A Definitive Guide to Hadoop-Related Frameworks and Tools / V. Deepak. – New York: Apress, 2016. – 165 p.
12. Официальный сайт BaseGroup Labs. Анализ больших объёмов данных [Електронний ресурс]. – Режим доступу: https://basegroup.ru/community/articles/very-large-data/.