2.2 Row/column storesTraditional RD

2.2 Row/column stores
Traditional RDBMS (row-oriented) provide a good level of expressiveness and they are widely-used for a variety of commercial applications. This has resulted in remarkable and tested optimizations. These systems are optimal when querying many columns of a single row and suitable for OLTP workload. However they cannot overcome the highly heterogeneous data problem and they are not efficient for the read-intense queries of OLAP workload [15]. ROLAP (Relational + OLAP) data model has been proposed to enable analysis of data through the use of a multidimensional data model [13]. A number of schema integration systems have been proposed [22][7]. These systems take into account a few different schemas and try to unify them in a global one. In our context, there could be thousands of different schemas and integrating them in a unified one is impossible.
Column-oriented databases (derived from the decomposition storage model DSM [10]) has gained interest as an appropriate solution for OLAP workload [24]. These systems have shown better performance for ad-hoc/statistical queries [1]. That is due to their I/O efficiency since they only read those attributes required by a query. The DSM model can support heterogeneous data. But some of the recent column store propose the use of virtual keys [24] to link all the attributes pertaining to the same tuple. This technique eliminates the advantage of storing heterogeneous data. The drawbacks of such systems are the high tuple reconstruction time and the high cost of inserts (and updates).
The need to get the best of these two worlds (row/column databases), has resulted in the birth of hybrid paradigm as PAX [3], fractured mirrors [23]. These systems are not conceived for the heterogeneity problem. Actually, they either focus on the optimization of cache-use or they duplicate data on two different storage layouts and/or they cannot provide the needed scalability.
2.3 Motivation
The urgent need of having a scalable system capable of holding extremely huge/ever-growing data size with reducing the infrastructure cost has urged us to investigate the promising characteristics of the cloud systems.
Our objective is to propose a data management system, while maintaining the elasticity, pay per use and availability features of
the cloud to support huge/ever growing volume of data and insures an optimal response time, (1) enables to manage the high heterogeneity of DICOM files and (2) provide high expressiveness necessary for complex ad-hoc/statistical queries. We focus in this paper on the first point.

ผลลัพธ์ (ไทย) 1:

2.2 ร้านแถว/คอลัมน์แบบ RDBMS (แนวแถว) ให้ expressiveness ในระดับดี และมีอย่างกว้างขวางใช้สำหรับโปรแกรมประยุกต์เชิงพาณิชย์ที่หลากหลาย นี้มีผลในการเพิ่มประสิทธิภาพที่น่าทึ่ง และทดสอบ ระบบเหล่านี้ได้ดีที่สุดเมื่อสอบถามหลายคอลัมน์ของแถวเดียว และเหมาะสมกับปริมาณงาน OLTP อย่างไรก็ตามพวกเขาไม่สามารถเอาชนะปัญหาข้อมูลแตกต่างกันสูง และจะไม่มีประสิทธิภาพในการสอบถาม OLAP ปริมาณ [15] อ่านอย่างรุนแรง แบบจำลองข้อมูล ROLAP (Relational + OLAP) ได้รับการเสนอชื่อเพื่อเปิดใช้งานการวิเคราะห์ข้อมูลโดยใช้แบบจำลองข้อมูลหลายมิติ [13] จำนวนระบบบูรณาการแผนแล้วเสนอ [22] [7] ระบบเหล่านี้คำนึงถึงแบบแผนแตกต่างกันบาง และพยายามที่จะรวมไว้ในหนึ่งในโลก ในบริบทของเรา อาจมีแบบแผนแตกต่างกันหลายพัน และรวมพวกเขาในการประกอบการเป็นไปไม่ได้แนวคอลัมน์ฐานข้อมูล (ที่ได้รับจาก DSM เก็บแบบแยกส่วนประกอบ [10]) ได้รับดอกเบี้ยเป็นการแก้ปัญหาที่เหมาะสมสำหรับ OLAP ปริมาณ [24] ระบบเหล่านี้ได้แสดงประสิทธิภาพที่ดีกว่าสำหรับแบบสอบถามโฆษณาฮอค/สถิติ [1] เป็นประสิทธิภาพ I/O ของพวกเขาตั้งแต่พวกเขาอ่านแอตทริบิวต์ที่จำเป็นต้องใช้แบบสอบถาม แบบ DSM สามารถสนับสนุนข้อมูลแตกต่างกัน แต่บางที่เก็บคอลัมน์ล่าสุดเสนอใช้คีย์เสมือน [24] การเชื่อมโยงแอตทริบิวต์ทั้งหมดที่เกี่ยวข้องกับทูเพิลเดียว เทคนิคนี้เอาประโยชน์จากการเก็บข้อมูลแตกต่างกัน ข้อเสียของระบบดังกล่าวมีเวลาฟื้นฟูทูเพิลที่สูงและต้นทุนที่สูงของแทรก (ปรับปรุง)จำเป็นที่สุดของโลกเหล่านี้สอง (แถว/คอลัมน์ฐานข้อมูล), มีผลในการเกิดไฮบริกระบวนทัศน์เป็นคน [3], fractured กระจก [23] ระบบเหล่านี้จะไม่รู้สึกปัญหา heterogeneity จริง พวกเขาจะเน้นการเพิ่มประสิทธิภาพของการใช้แคช หรือจะทำสำเนาข้อมูลในเค้าโครงการจัดเก็บแตกต่างกันสอง หรือพวกเขาไม่มีภาระต้อง2.3 แรงจูงใจจำเป็นเร่งด่วนของการมีระบบการปรับสเกลที่สามารถจัดเก็บขนาดใหญ่/มาอย่างดีขนาดข้อมูล ด้วยการลดต้นทุนโครงสร้างพื้นฐานมากได้เรียกร้องให้เราตรวจสอบลักษณะแนวโน้มของระบบคลาวด์วัตถุประสงค์ของเราคือการ เสนอระบบจัดการข้อมูล ขณะที่ยังคงความยืดหยุ่นที่ จ่ายต่อการใช้และความพร้อมใช้งานลักษณะการทำงานของเมฆใหญ่/เคยเติบโตปริมาณของข้อมูลสนับสนุน และภัยเวลาการตอบสนองที่ดีที่สุด, (1) ช่วยจัดการ heterogeneity สูงของไฟล์ DICOM และ (2) ให้ความสูง expressiveness ที่จำเป็นสำหรับแบบสอบถามโฆษณาฮอค/สถิติที่ซับซ้อน เราเน้นในกระดาษนี้จุดแรก

ผลลัพธ์ (ไทย) 3:

ร้านค้า 2.2 แถว / คอลัมน์
ระบบจัดการฐานข้อมูลเชิงสัมพันธ์แบบดั้งเดิม ( แถวมุ่งเน้น ) ให้ระดับของการแสดงออก และมีการใช้กันอย่างแพร่หลายเพื่อความหลากหลายของการใช้งานเชิงพาณิชย์ นี้มีผลในการเล่น และทดสอบการเพิ่มประสิทธิภาพ ระบบเหล่านี้จะเหมาะสมที่สุดเมื่อถามถึงหลายคอลัมน์ของแถวเดี่ยวและเหมาะสำหรับงาน OLTP .อย่างไรก็ตามพวกเขาไม่สามารถเอาชนะปัญหาของข้อมูลสูงที่แตกต่างกันและพวกเขาจะไม่ได้มีประสิทธิภาพสำหรับการอ่านที่รุนแรงของ OLAP แบบสอบถามภาระ [ 15 ] ROLAP ( OLAP สัมพันธ์ ) แบบจำลองข้อมูลได้รับการเสนอเพื่อใช้วิเคราะห์ข้อมูลโดยการใช้แบบจำลองข้อมูลหลายมิติ [ 13 ] จำนวนรวมของระบบได้รับการเสนอ [ 22 ] [ 7 ]ระบบเหล่านี้ใช้ในบัญชีเป็น schema แตกต่างกันไม่กี่และพยายามที่จะรวมไว้ในระดับโลกคนหนึ่ง ในบริบทของเรา อาจจะมีหลายพันร่างที่แตกต่างกันและรวมไว้ในหนึ่งเดียว หนึ่งที่เป็นไปไม่ได้
คอลัมน์เชิงฐานข้อมูล ( ที่ได้จากการสลายตัวแบบกระเป๋า DSM [ 10 ] ) ได้รับความสนใจเป็นโซลูชั่นที่เหมาะสมสำหรับ OLAP ภาระงาน [ 24 ]ระบบเหล่านี้ได้แสดงประสิทธิภาพที่ดีขึ้นสำหรับธุรกิจ / สถิติแบบสอบถาม [ 1 ] นั่นเป็นเพราะพวกเขา I / O ประสิทธิภาพตั้งแต่พวกเขาอ่านคุณลักษณะเหล่านั้นตามแบบสอบถาม DSM แบบสามารถสนับสนุนข้อมูลที่แตกต่างกัน แต่บางร้านคอลัมน์ล่าสุดเสนอใช้ปุ่ม [ 24 ] เสมือนการเชื่อมโยงทั้งหมดที่มีคุณลักษณะที่เกี่ยวข้องกับทูเปิล เดียวกันเทคนิคนี้ช่วยลดประโยชน์ของการจัดเก็บข้อมูลที่แตกต่างกัน ข้อเสียของระบบดังกล่าวสูง tuple การฟื้นฟูเวลาและค่าใช้จ่ายสูงของแทรก ( ปรับปรุง ) .
ต้องได้รับดีที่สุดของทั้งสอง worlds ( แถว / คอลัมน์ฐานข้อมูล ) , มีผลในการเกิดของไฮบริดกระบวนทัศน์ตามที่ท่าน [ 3 ] หักกระจก [ 23 ] ระบบเหล่านี้จะไม่ได้รู้สึกเพื่อสามารถปัญหา