2.3 Automate Schema Design for Larg

2.3 Automate Schema Design for Large Scientific
Databases Using Data Partitioning
As discussed by Stratos Papadomanolakis and Anastassia
Ailamaki, who investigated to Automate Schema Design
for Large Scientific Databases Using Data Partitioning,
"To optimize performance, database researchers have
proposed data placement and partitioning schemes [4][5].
Vertical partitioning is known to optimize I/O performance
since the early days of relational databases [6].
They propose AutoPart, an algorithm that automatically
partitions database tables utilizing prior knowledge of a
representative workload. AutoPart suggests an alternative,
high-performance schema that executes queries faster than
the original one and can be indexed using a fraction of the
space required for indexing the originalschema.

ผลลัพธ์ (ไทย) 1:

2.3 ทำออกแบบเค้าร่างใหญ่ทางวิทยาศาสตร์ฐานข้อมูลโดยใช้การแบ่งพาร์ทิชันข้อมูลดังที่กล่าวไว้ โดยสตาทอสเฮ้าท์ Papadomanolakis และ AnastassiaAilamaki ผู้ตรวจสอบการออกแบบเค้าร่างโดยอัตโนมัติสำหรับฐานข้อมูลขนาดใหญ่ที่ใช้ข้อมูลการพาร์ทิชัน วิทยาศาสตร์"การปรับปรุงประสิทธิภาพ ฐานข้อมูลนักวิจัยได้วางข้อมูลที่นำเสนอและการแบ่งพาร์ทิชันรูปแบบ [4] [5]พาร์ทิชันแนวตั้งเป็นที่รู้จักกันเพื่อเพิ่มประสิทธิภาพการทำงานของ I/Oตั้งแต่วันที่เริ่มต้นของฐานข้อมูลเชิงสัมพันธ์ [6]พวกเขาเสนอออโต้พาร์ทหลัง อัลกอริทึมนั่นโดยอัตโนมัติพาร์ติชันของฐานข้อมูลตารางที่ใช้ความรู้เดิมของการปริมาณงานที่พนักงาน ออโต้พาร์ทหลังแนะนำทางเลือกแผนประสิทธิภาพสูงที่ดำเนินการแบบสอบถามที่เร็วกว่าหนึ่งฉบับ และสามารถถูกทำดัชนีโดยใช้เศษส่วนของการพื้นที่ที่จำเป็นสำหรับการทำดัชนี originalschema

ผลลัพธ์ (ไทย) 2:

2.3 อัตโนมัติ Schema
การออกแบบทางวิทยาศาสตร์ขนาดใหญ่ฐานข้อมูลโดยใช้การแยกข้อมูลตามที่กล่าวโดย
Stratos Papadomanolakis และ Anastassia
Ailamaki
ที่ตรวจสอบเพื่อทำให้การออกแบบเค้าร่างสำหรับฐานข้อมูลทางวิทยาศาสตร์ที่มีขนาดใหญ่ใช้พาร์ทิชันข้อมูล
"เพื่อเพิ่มประสิทธิภาพการทำงานของนักวิจัยฐานข้อมูลได้เสนอตำแหน่งข้อมูลและรูปแบบการแบ่งพาร์ทิชัน [4 ] [5]. แบ่งแนวตั้งเป็นที่รู้จักกันเพื่อเพิ่มประสิทธิภาพของ I / O ตั้งแต่วันแรกของฐานข้อมูลเชิงสัมพันธ์ [6]. พวกเขาเสนอ Autopart อัลกอริทึมที่โดยอัตโนมัติพาร์ติชันตารางฐานข้อมูลการใช้ประโยชน์จากความรู้เดิมของภาระงานตัวแทน. Autopart แสดงให้เห็นทางเลือก เค้าร่างที่มีประสิทธิภาพสูงที่รันคำสั่งได้เร็วขึ้นกว่าเดิมอีกด้วยและสามารถสร้างดัชนีโดยใช้ส่วนของการพื้นที่ที่จำเป็นสำหรับการจัดทำดัชนีoriginalschema

ผลลัพธ์ (ไทย) 3:

2.3 ออกแบบ schema อัตโนมัติสำหรับฐานข้อมูลขนาดใหญ่ การใช้ข้อมูลทางวิทยาศาสตร์

ตามที่กล่าวไว้โดย papadomanolakis สะพานมิลเลนเนียม และ anastassia
ailamaki ที่ตรวจสอบโดยอัตโนมัติ
ออกแบบ schema สำหรับฐานข้อมูลทางวิทยาศาสตร์ขนาดใหญ่โดยใช้ข้อมูลพาร์ทิชัน
" , เพิ่มประสิทธิภาพ , นักวิจัยฐานข้อมูลมีการจัดวางข้อมูลและการเสนอโครงร่าง
[ 4 ] [ 5 ] .
แนวตั้งฉากเป็นที่รู้จักกันเพื่อเพิ่มประสิทธิภาพการทำงานของ I / O
ตั้งแต่วันแรกของฐานข้อมูลเชิงสัมพันธ์ [ 6 ] .
พวกเขาเสนอขั้นตอนวิธีออโตพาร์ท , โดยอัตโนมัติฐานข้อมูลตารางพาร์ทิชันที่ใช้ความรู้ก่อน

เป็นผู้แทนของภาระงาน . ออโต้พาร์ทชี้ให้เห็นทางเลือก
ประสิทธิภาพสูงที่รันแบบสอบถามมาเร็วกว่า
ฉบับหนึ่ง และสามารถจัดทำดัชนีการใช้เศษของ
พื้นที่ที่จำเป็นสำหรับการ originalschema .