With the sharply increasing amount

With the sharply increasing amount of data, studies on bigdata processing based on NoSQL have been actively
done. However, NoSQL cannot satisfy the ACID properties of database transactions. Therefore, bigdata processing
based on RDBMS has been spotlighted. CUBRID Shard stores data in the distributed CUBRID servers by dividing
the database. However, CUBRID Shard cannot process a query when data of a user is distributed on the multiple
CUBRID servers. Therefore, in this paper we propose a CUBRID based middleware which supports distributed
parallel query processing. Our proposed middleware can support users who are familiar with SQL to conveniently
process the bigdata by using SQL statements. In addition, the middleware can support various aggregation operators.
Through the performance evaluations, we show that our proposed scheme shows better performance than the
existing work in terms of query processing time.
As a future work, we plan to expand our middleware to support various types of join with reasonable efficiency

ผลลัพธ์ (ไทย) 1:

มีจำนวนเพิ่มขึ้นอย่างรวดเร็วของข้อมูล การศึกษาการประมวลผล bigdata ตาม NoSQL ได้อย่างแข็งขันเสร็จแล้ว อย่างไรก็ตาม NoSQL ไม่สามารถตอบสนองคุณสมบัติกรดของธุรกรรมฐานข้อมูล ดังนั้น การประมวลผล bigdataใช้ RDBMS ได้รับ spotlighted ชาร์ด CUBRID เก็บข้อมูลในเซิร์ฟเวอร์ CUBRID กระจาย โดยแบ่งฐานข้อมูล อย่างไรก็ตาม CUBRID ชาร์ดไม่สามารถประมวลผลแบบสอบถามเมื่อมีกระจายข้อมูลของผู้ใช้ในหลายเซิร์ฟเวอร์ CUBRID ดังนั้น ในเอกสารนี้ เราเสนอมิดเดิลแวร์ CUBRID พื้นฐานที่สนับสนุนกระจายการประมวลผลแบบสอบถามแบบขนาน มิดเดิลแวร์ของเรานำเสนอสามารถสนับสนุนผู้ใช้ที่คุ้นเคยกับ SQL การเชิญกระบวนการ bigdata โดยใช้คำสั่ง SQL นอกจากนี้ มิดเดิลแวร์สามารถสนับสนุนการรวมตัวดำเนินการต่าง ๆผ่านการประเมินประสิทธิภาพ เราแสดงว่า แผนงานนำเสนอของเราแสดงให้เห็นประสิทธิภาพที่ดีกว่านี้งานที่มีอยู่ในแง่ของเวลาการประมวลผลแบบสอบถามเป็นอนาคต เรามีแผนที่จะขยายมิดเดิลแวร์ของเราเพื่อสนับสนุนต่าง ๆ รวมกับประสิทธิภาพที่เหมาะสม

ผลลัพธ์ (ไทย) 2:

ด้วยปริมาณที่เพิ่มขึ้นอย่างรวดเร็วของข้อมูลการศึกษาเกี่ยวกับการประมวลผลขึ้นอยู่กับ BigData NoSQL
ได้รับการแข็งขันทำ อย่างไรก็ตาม NoSQL ไม่สามารถตอบสนองคุณสมบัติกรดฐานข้อมูลของการทำธุรกรรม ดังนั้นการประมวลผล BigData
ขึ้นอยู่กับ RDBMS ได้รับสปอตไล เก็บข้อมูล CUBRID Shard ในเซิร์ฟเวอร์ CUBRID
จัดจำหน่ายโดยแบ่งฐานข้อมูล อย่างไรก็ตาม CUBRID Shard
ไม่สามารถประมวลผลแบบสอบถามเมื่อข้อมูลของผู้ใช้ที่มีการกระจายในหลายเซิร์ฟเวอร์CUBRID ดังนั้นในบทความนี้เรานำเสนอตัวกลางตาม CUBRID
ที่สนับสนุนการกระจายการประมวลผลแบบสอบถามขนาน มิดเดิ้ลที่นำเสนอของเราสามารถรองรับผู้ใช้ที่มีความคุ้นเคยกับ SQL
เพื่อความสะดวกในการประมวลผลBigData โดยใช้คำสั่ง SQL นอกจากนี้มิดเดิลแวร์สามารถรองรับผู้ประกอบการรวมต่างๆ. ผ่านการประเมินผลการปฏิบัติงานที่เราแสดงให้เห็นว่าโครงการที่เสนอของเราแสดงให้เห็นถึงประสิทธิภาพที่ดีขึ้นกว่าการทำงานที่มีอยู่ในแง่ของเวลาการประมวลผลแบบสอบถาม. ในฐานะที่เป็นการทำงานในอนาคตเราวางแผนที่จะขยายตัวกลางของเราที่จะสนับสนุนต่างๆ ประเภทของการเข้าร่วมได้อย่างมีประสิทธิภาพที่เหมาะสม

ผลลัพธ์ (ไทย) 3:

ด้วยปริมาณที่เพิ่มขึ้นอย่างรวดเร็วของข้อมูล ศึกษากระบวนการผลิต bigdata ตาม nosql ได้รับการแข็งขัน
เสร็จแล้ว อย่างไรก็ตาม nosql ไม่สามารถตอบสนองธุรกรรมกรดคุณสมบัติของฐานข้อมูล ดังนั้น bigdata การประมวลผล
ตามรูป ได้รับความสนใจ . cubrid ชาร์ด เก็บข้อมูลในเซิร์ฟเวอร์ โดยแบ่งกระจาย cubrid
ฐานข้อมูล อย่างไรก็ตามcubrid ชาร์ดไม่สามารถประมวลผลแบบสอบถามเมื่อข้อมูลของผู้ใช้กระจายบนหลาย
cubrid เซิร์ฟเวอร์ ดังนั้น ในบทความนี้เราขอ cubrid ใช้มิดเดิลแวร์ที่รองรับการกระจาย
ขนานแบบสอบถามการประมวลผล เราเสนอมิดเดิลแวร์สามารถรองรับผู้ใช้ที่คุ้นเคยกับ SQL เพื่อสะดวก
กระบวนการ bigdata โดยใช้ SQL งบ นอกจากนี้ตัวกลางสามารถสนับสนุนผู้ประกอบการรวมต่าง ๆ .
ผ่านประเมินผล เราแสดงให้เห็นว่าเราเสนอโครงการที่แสดงประสิทธิภาพดีกว่า
ที่มีอยู่ทำงานในแง่ของเวลาการประมวลผลแบบสอบถาม .
เป็นการทำงานในอนาคตเราวางแผนที่จะขยายตลาดของเราเพื่อสนับสนุนประเภทต่างๆของเข้าร่วมกับประสิทธิภาพที่เหมาะสม