3.2 Query ExecutionQuery execution

3.2 Query Execution
Query execution engine contains two main components: the query compiler and the combiner/disperser.
The Query Compiler (QC) is responsible for compiling user requests and translating them into a cloud query language. So the non-cloud-expert users can perform ad-hoc queries over DICOM files, without dealing with the complexity of query languages.
We propose to extend existing systems (Pig, Hive, Jaql), and adapt them to our hybrid architecture. These systems -under heavy development- have some limitations. The absence of metadata/schema in some of them may result in a limitation of some optimizations (e.g. indexes, reduction of search space), and/or the lack of some functionalities (e.g. join). In particular, these languages are not conceived for such hybrid structure (where the cardinality of different attributes varies enormously).
The Combiner/Disperser is responsible for partitioning the coming queries according to the layers (row oriented, column oriented). After the query execution, the Combiner/Disperser is in charge of combining (joining) the results coming from the both storage layers and send the final results back to the user.
In order to provide a good compromise between storage cost and query response time, we propose a query optimizer. It is responsible for choosing the better query plan for executing the query over our hybrid storage model. A number of possible execution strategies should be evaluated by the optimizer: (1) execute the query over the row layer, then execute it over the column layer, finally combine the results; (2) execute the query over the column layer first, then execute it over the row layer and finally combine the results of both of them; or (3) execute the query in parallel over both layers and then combine the results.
The query optimizer should apply a cost/rule based optimization. Yet the existing CBO/RBO solutions should be rethought for the cloud by taking into account the pay-per-use and elasticity
features. In this context, we distinguish between two query types. The first is the real time search where the doctor may need certain images rapidly. In this case, the response time is crucial; so we may increase the number of resources used from the cloud according to Service Level Agreement (SLA). The second is the data analysis that could be performed at night, here the response time is not crucial, so we can reduce the used resources. Hence we maintain a good correlation between response time and cost.

ผลลัพธ์ (ไทย) 1:

3.2 แบบสอบถามการดำเนินการสอบถามโปรแกรมการดำเนินการประกอบด้วยคอมโพเนนต์หลักที่สอง: คอมไพเลอร์แบบสอบถามและ combiner/ฝอยการสอบถามของคอมไพเลอร์ (QC) รับผิดชอบการรวบรวมคำขอผู้ใช้ และแปลออกเป็นภาษาสอบถามเมฆ ดังนั้น ผู้ใช้ไม่ใช่เมฆผู้เชี่ยวชาญสามารถทำแบบสอบถามกิจ DICOM ไฟล์ ไม่จัดการกับความซับซ้อนของภาษาสอบถามเราเสนอการขยายระบบที่มีอยู่ (หมู กลุ่ม Jaql), และปรับให้เข้ากับสถาปัตยกรรมแบบผสมผสานของเรา -ภายใต้หนักพัฒนา - ระบบเหล่านี้มีข้อจำกัดบางประการ ของตา/เค้าร่างในบางส่วนของพวกเขาอาจส่งผลในข้อจำกัดของการเพิ่มประสิทธิภาพบางอย่าง (เช่นดัชนี ลดพื้นที่ค้นหา), และ/หรือการขาดของฟังก์ชันบางอย่าง (เช่นเข้าร่วม) โดยเฉพาะอย่างยิ่ง ภาษาเหล่านี้จะไม่รู้สึกสำหรับโครงสร้างแบบผสมผสานดังกล่าว (ซึ่งจำนวนนับของแอตทริบิวต์ที่แตกต่างกันจำนวนมหาศาล)Combiner/ฝอย รับผิดชอบการแบ่งพาร์ทิชันแบบสอบถามมาตามชั้น (แถวแนว แนวคอลัมน์) หลังจากการทำแบบสอบถาม Combiner/ฝอย มีค่าใช้จ่ายรวม (รวม) ผลลัพธ์ที่มาจากชั้นเก็บทั้งสอง และส่งผลลัพธ์สุดท้ายกลับไปยังผู้ใช้เพื่อให้การประนีประนอมดีระหว่างเก็บข้อมูลต้นทุนและสอบถามเวลาตอบรับ เราเสนอ optimizer แบบสอบถาม รับผิดชอบการเลือกแผนการสอบถามดีสำหรับการดำเนินการสอบถามผ่านรุ่นของเราเก็บผสมได้ ควรมีประเมินจำนวนกลยุทธ์การดำเนินการได้ โดยการเพิ่มประสิทธิภาพ: (1) ดำเนินการสอบถามผ่านชั้นแถว แล้วรันมันเหนือชั้นคอลัมน์ สุดท้ายรวมผล (2) ดำเนินการแบบสอบถามผ่านชั้นคอลัมน์แรก แล้วรันมันเหนือชั้นแถวสุดท้าย รวมผลลัพธ์ของทั้งสองเหล่านั้น หรือ (3) ดำเนินการแบบสอบถามพร้อมกันเหนือชั้นทั้งสอง และรวมผลลัพธ์เพิ่มประสิทธิภาพของแบบสอบถามควรใช้ปรับต้นทุน/ตามกฎ ยัง โซลูชั่น CBO/RBO อยู่ควรจะ rethought สำหรับ cloud โดยคำนึงถึงค่าจ้างต่อใช้งานและความยืดหยุ่นลักษณะการทำงาน ในบริบทนี้ เราแยกระหว่างสองชนิดแบบสอบถาม ครั้งแรกเป็นการค้นหาเวลาจริงที่แพทย์อาจจำเป็นภาพบางอย่างรวดเร็ว ในกรณีนี้ เวลาตอบรับเป็นสิ่งสำคัญ ดังนั้น เราอาจเพิ่มจำนวนของทรัพยากรที่ใช้จากเมฆตามข้อตกลงการระดับบริการ (SLA) ที่สองคือ การวิเคราะห์ข้อมูลที่สามารถทำได้ในเวลากลางคืน ที่นี่เวลาตอบสนองไม่สำคัญ ดังนั้นเราสามารถลดการใช้ทรัพยากร ดังนั้น เราสามารถรักษาความสัมพันธ์ที่ดีระหว่างต้นทุนและเวลาตอบรับ

ผลลัพธ์ (ไทย) 3:

3.2 แบบสอบถามแบบสอบถามการประหาร
เครื่องยนต์ประกอบด้วยสององค์ประกอบหลัก : แบบสอบถามคอมไพเลอร์และกล้ำ / กระจัด .
แบบสอบถามคอมไพเลอร์ ( QC ) เป็นผู้รับผิดชอบในการรวบรวมความต้องการของผู้ใช้และแปลให้เป็นภาษาแบบสอบถามเมฆ . ไม่เก่ง ดังนั้นเมฆผู้ใช้สามารถดําเนินการค้นหา Ad - hoc มากกว่าไฟล์ DICOM , โดยไม่ต้องจัดการกับความซับซ้อนของภาษาสอบถาม .
เราเสนอที่จะขยายระบบที่มีอยู่ ( หมู รัง jaql ) และปรับตัวให้เข้ากับสถาปัตยกรรมลูกผสมของเรา ระบบเหล่านี้ภายใต้การพัฒนาหนัก - มีข้อจำกัด ไม่มีข้อมูล / รูปแบบในบางส่วนของพวกเขาอาจส่งผลในการจำกัดการเพิ่มประสิทธิภาพบางอย่าง ( เช่นดัชนี การลดพื้นที่การค้นหา ) และ / หรือขาดบางฟังก์ชัน เช่น ( เข้าร่วม ) โดยเฉพาะอย่างยิ่งภาษาเหล่านี้จะไม่ได้รู้สึกโครงสร้างไฮบริดนั้น ( ที่มีภาวะเชิงการนับของคุณลักษณะที่แตกต่างกันจะแตกต่างกันอย่างมาก ) .
combiner / กระจายเป็นผู้รับผิดชอบในการเข้ามาสอบถามตามชั้น ( แถวมุ่งเน้น คอลัมน์ที่มุ่งเน้น ) หลังจากสอบถาม การประหารcombiner / กระจายเป็นค่าใช้จ่ายรวม ( เข้าร่วม ) ผลที่ออกมาจากทั้งกระเป๋าชั้นและส่งผลกลับไปยังผู้ใช้ .
เพื่อให้ประนีประนอมระหว่างต้นทุนการจัดเก็บและเวลาตอบสนองแบบสอบถาม เราเสนอ Quellogrosso . มันเป็นความรับผิดชอบสำหรับการเลือกที่ดีสำหรับการค้นหาแผนแบบสอบถามมากกว่ารูปแบบกระเป๋าของเรา ลูกผสมจำนวนของกลยุทธ์การดำเนินการเป็นไปได้ควรได้รับการประเมินโดยเครื่องมือค้นหาการเพิ่มประสิทธิภาพ ( 1 ) รันแบบสอบถามกว่าแถวชั้นแล้วรันผ่านคอลัมน์ชั้นสุดท้าย รวมผล ; ( 2 ) รันแบบสอบถามผ่านคอลัมน์ชั้นก่อน แล้วรันมันผ่านแถวชั้นและสุดท้าย รวมผลทั้ง พวกเขา