مجله اینترنتی دیتاسرا
امروز یکشنبه ۲۴ آذر ۱۳۹۸

بلینک و انجام آن: جستارهای فعل و انفعالی در داده های بسیار بزرگ Blink and It’s Done: Interactive Queries on Very Large Data

Abstract



In this demonstration, we present BlinkDB, a massively parallel, sampling-based approximate query processing framework for running interactive queries on large volumes of data. The key observation in BlinkDB is that one can make reasonable decisions in the absence of perfect answers. BlinkDB extends the Hive/HDFS stack and can handle the same set of SPJA (selection, projection, join and aggregate) queries as supported by these systems. BlinkDB provides real-time answers along with statistical error guarantees, and can scale to petabytes of data and thousands of machines in a fault-tolerant manner. Our experiments using the TPC-H benchmark and on an anonymized real-world video content distribution workload from Conviva Inc. show that BlinkDB can execute a wide range of queries up to 150× faster than Hive on MapReduce and 10−150× faster than Shark (Hive on Spark) over tens of terabytes of data stored across 100 machines, all with an error of 2 − 10%.



چکیده فارسی



ملاحظه اصلی در BlinkDB در این مورد است که شخص توسط آن می تواند در شرایطی که پاسخ های کاملی وجود ندارد، تصمیمات معقول و منطقی بگیرد. BlinkDB  پشته(stack) Hive/HDFS را توسعه می دهد و در نتیجه پشتیبانی این سیستم ها می تواند به مجموعه ای یکسان از جستارهای SPJA (انتخاب، طرح ریزی، ملحق کردن و بهم پیوستن) رسیدگی نماید. BlinkDB در کنار تضمین خطای آماری پاسخ های زمان واقعی ارائه می نماید و می تواند به شیوه تحمل خطا، پتابایت داده و هزاران دستگاه را مقیاس نماید. آزمایش های ما با استفاده از معیار TPC-H و با توزیع محتوای ویدئو حجم کار دنیای واقعی ناشناخته توسط شرکت Conviva  نشان دادکه BlinkDB می تواند طیف گسترده ای از جستارها را به میزان 150× سریعتر از Hive در MapReduce  و 10 تا - 150 × سریعتر ازShark  (Hive در Spark) و بیش ده ها ترابایت از داده ذخیره شده در 100 دستگاه را با یک خطای 2 – 10 درصدی اجرا نماید.


مشخصات

مشخصات

توسط: Sameer Agarwal, Aurojit Panda and Barzan Mozafari سال انتشار: 2012 میلادی تعداد صفحات متن اصلی: 4 تعداد صفحات متن ترجمه: 17 تاریخ درج: ۱۳۹۵/۷/۶ منبع: دیتاسرا

خرید آنلاین فایل ترجمه

خرید آنلاین فایل ترجمه

عنوان: بلینک و انجام آن: جستارهای فعل و انفعالی در داده های بسیار بزرگ حجم: 275.96 کیلوبایت فرمت فایل: pdf قیمت: 8000 تومان رمز فایل (در صورت نیاز): www.datasara.com

دانلود فایل اصلی

دانلود فایل اصلی

عنوان: Blink and It’s Done: Interactive Queries on Very Large Data

رمز فایل
رمز فایل (در صورت نیاز): www.datasara.com

نمای مطلب

مقدمه



شرکت ها به طور فزاینده ای ارزش تجزیه و تحلیل حجم زیادی از داده های جمع آوری شده را استنباط نمودند. مواردی وجود دارد که تحلیلگران در آن از قابلیت اجرای جستارهای اکتشافی کوتاه بر روی این داده ها بهره مند می شوند. مثال هایی از چنین جستارهای اکتشافی شامل تحلیل ریشه ای وقایع(root-cause) و تشخیص مشکل در سیاهه های مربوط (مانند شناسایی علت راه اندازی طولانی در جریان ویدیویی وب سایت) و جستار تحلیل اثربخشی برنامه های تبلیغاتی(ad campaign) در زمان واقعی می باشد. اغتنام فرصت (timeliness ) در بسیاری از این جستارها، بیشتر از صحت کامل اهمیت دارد، جستارها موردی هستند (به عبارت دیگر، آنها پیشرفته نیستند) و شامل پردازش حجم زیادی از داده ها می باشند.



 دستیابی به زمان پاسخ کوتاه و محدود برای جستار در داده های با حجم بالا ، به دلیل پهنای باند و عدم توانایی در تناسب بسیاری از پایگاه های داده در حافظه، شبکه سربار ارتباطاتی طی تنظیمات مجدد داده های بزرگ و فرآیندهای پراکنده، به صورت یک چالش باقی ماند. به عنوان مثال، اسکن و پردازش تعدادی معدود ترابایت داده در صدها دستگاه تنها ده دقیقه طول می کشد. این امر اغلب با توجه به پراکندگی ها یا تراکم شبکه در تنظیمات مجدد  داده های بزرگ، با تاخیر های غیر قابل پیش بینی همراه است. چنین تاخیرهایی بر توانایی تحلیلگر برای انجام تجزیه و تحلیل اکتشافی داده ها تاثیر دارند.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. این امر در صفحه اول نقل آن ذکر شده است. در غیر این صورت، نسخه برداری، چاپ مجدد، ارسال بر روی سرور یا توزیع مجدد در فهرست ها، مستلزم اجازه قبل و/ یا هزینه خاص می باشد. در 38 اُمین کنفرانس بین المللی بانک های اطلاعاتی بسیار بزرگ(Very Large Data Bases)، در بیست و هفتم - سی و یکم  آگوست 2012، استانبول، ترکیه خواسته شد تا مقالات این کتاب نتایج شان را ارائه دهند.



در این اثبات تجربی، BlinkDB را مطرح می نماییم که چارچوب پردازش جستار های تقریباً موازی بهینه سازی شده برای پاسخ های فعل و انفعالی در داده های با حجم بالا می باشد. می توان تجمع جستارها در  BlinkDBرا توسط محدودیت های حداکثر زمان اجرا یا خطا تفسیر نمود. به عنوان مثال، جدول زمان کاری ، ذخیره سازی زمان های کاری وب سایت مرورگرهای کاربران در وب سایت های رسانه ها ای، با پنج ستون را در نظر بگیرید: زمان کاریID (SessionID )، نوع(GenreOS  (در حال اجرا بر روی دستگاه کاربر)، شهر(City) و URL (وب سایت های بازدید شده توسط کاربر). جستار زیر درBlinkDB  ، فرکانس زمان کاری در حال جستجو در رسانه های نوع «غربی» را برای هر OS با خطای نسبی 10 ٪ و ضریب اطمینان 95٪ باز خواهد گرداند.



SELECT COUNT(*)



FROM Sessions



WHERE Genre = ’western’



GROUP BY OS



ERROR 0.1 CONFIDENCE 95%



Similarly, given the query below, BlinkDB returns an approximate



count within 5 seconds along with the estimated relative error at the



95% confidence level.



SELECT COUNT(*), ERROR AT 95% CONFIDENCE



FROM Sessions



WHERE Genre = ’western’



GROUP BY OS



WITHIN 5 SECONDS



به طور مشابه، با توجه به جستار زیر، BlinkDB تقریباً در 5 ثانیه همراه با خطای نسبی برآورد شده در سطح اطمینان 95٪ باز می گردد.



BlinkDB  این کار را توسط پیش محاسبه و مجموعه ای به دقت انتخاب شده از نمونه های داده ها و جستارهای در حال اجرا در یک نمونه مناسب و به منظور رفع خطا و محدودیت های زمانی جستار انجام می دهد. BlinkDB ، برای بررسی جستار ها در زیر گروه های نسبتاً نادر، مجموعه ای از نمونه های یکنواخت و همچنین مجموعه های مختلفی از نمونه های سوگیری شده را حفظ نموده و هریک را در زیر مجموعه ای از ستون ها طبقه بندی می نماید.



حفظ نمونه های طبقه بندی شده در همه زیر مجموعه های ستون مستلزم مقداری ذخیره نمایی و از این رو امری غیر عملی می باشد. از سوی دیگر، نمونه های طبقه بندی شده محدود درآن دسته از زیر مجموعه ی ستون ها که در جستارهای قبلی ظاهر شده، کاربردپذیری جستار موردی را محدود می نماید. بنابراین، برای تعیین طبقه مجموعه ای از ستون ها که در آن فرمول بهینه سازی توزیع داده ها، جستار های قبلی، محدودیت های ذخیره سازی و چندین عامل مرتبط با سیستم های دیگر در نظر گرفته شده،  بر یک چارچوب بهینه سازی تکیه می کنیم. BlinkDB  با استفاده از این ورودی ها، مجموعه ای از نمونه ها را انتخاب می کند که به پاسخ جستار متعاقب کمک خواهد نمود و در عین حال ذخیره سازی اضافی مورد استفاده برای کمیت قابل تنظیم کاربر را محدود می نماید. نمونه ها به خودی خود چند بعدی (به عبارت دیگر، با گرایش به ستون های مختلف) و دارای تفکیک پذیری چندگانه (multiresolution) می باشند. مورد دوم به معنای آن است که ما تنوع اندازه نمونه ها را حفظ می کنیم و در حین به حداقل رساندن زمان پاسخ (یا خطا) BlinkDB  را قادر به پاسخدهی موثر به محدودیت های مختلف (یا زمان) جستار می نماییم. جزئیات بیشتر در مورد این تدوین مشکل بهینه سازی را می توان در منبع [4] یافت.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. همچنین می تواند درShark  (Hive  در Spark) ،که چارچوبی توسط  Hive دارای سازگاری برگشتی(backwards compatible ) می باشد، هم در لایه های ذخیره سازی و زبانی  اجرا شود و از Spark  برای اعتماد به مجموعه داده های حافظه نهان استفاده می شود. در نتیجه، جستارBlinkDB  که بر روی نمونه های ذخیره شده اجرا می شود، به جای چند دقیقه در چند ثانیه صورت می گیرد. BlinkDB  یک منبع باز است و تاکنون چندین شرکت خدمات آن لاین به استفاده از آن ابراز علاقه نمودند.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. از جستارها را با تمرکز بر شناسایی مشکلات در این فایل های ثبت وقایع نشان خواهیم داد. BlinkDB  و همچنین Hive و Shark  اصلاح نشده را اجرا خواهیم نمود و نشان می دهیم که سیستم ما می تواند پاسخ های محدود، تقریبی را در کسری از زمان سیستم های دیگر ارائه نماید. همچنین اجازه خواهیم داد که شرکت کنندگان جستار های خود را برای بررسی داده ها و عملکرد BlinkDB انتشار دهند.



2. مرور کلی سیستم



در این بخش، تنظیمات و مفروضاتی را توصیف می نماییم که در آن BlinkDB برای بهره برداری طراحی شده است و مروری کلی از طراحی و مولفه های کلیدی آن ارائه می نماید.



2.1. تنظیمات و مفروضات



BlinkDB   مانند یک انبار داده با یک جدول حقیقتی بزرگ طراحی شده است. ممکن است این جدول نیاز داشته باشد که با استفاده از کلیدهای خارجی به دیگر ابعاد جداول بپیوندد. در عمل، ابعاد جداول بطور قابل توجهی کوچکتر هستند و معمولا متناسب حافظه جمعی دسته ای می باشند. BlinkDB  تنها نمونه های طبقه بندی شده برای جداول حقیقی و پیوستن به ابعاد بزرگتر ستون جداول را ایجاد می نماید.



علاوه بر این، از آنجا که حجم کار ما در جستار های موردی هدف قرار داده شده است، به جای فرض این که جستار دقیق پیشینی شناخته شده است، فرض می کنیم که قالب های جستار  (به عنوان مثال، مجموعه ای از ستون های مورد استفاده در مادهWHERE و GROUP-BY) در طول زمان نسبتاً پایدار می مانند. از این فرض در زمان انتخاب نمونه ها استفاده می کنیم. این تصور بطور تجربی در انواع واقعی حجم کار تولید جهانی و همچنین مقدار حقیقی مسیر جستار مشاهده شده است و از آن برای ارزیابی اولیه (مسیر جستار  2 ساله شرکت Con-viva) استفاده می کنیم. ما دانش قبلی ارزش های خاص یا مسندهای مورد استفاده در این بند را در نظر نمی گیریم.



در نهایت، در این اثبات تجربی، بر روی مجموعه ای کوچک از اپراتورهای مجتمع تمرکز می نماییم: COUNT، SUM، MEAN ، MEDIAN/QUANTILE . با این حال، از برآورد خطای بسته برای ترکیبی از مجموعه های اساسی و همچنین تابع جبری میانگین ​​مانند و بطور مجانبی عادی پشتیبانی می نماییم، همانطور که در منبع [11] توصیف شده است.



2.2. ساختار



شکل1 ساختار کلی BlinkDBرا نشان می دهد که گسترش دهنده Hive وShark  می باشد. Shark  دارای سازگاری برگشتی(backwards compatible) با Hive می باشد، بر روی Spark قابل اجراست و یک چارچوب محاسبات خوشه ای می باشد که می تواند ورودی ها و داده های میانجی ​​در حافظه را پنهان نماید. BlinkDB  دو مولفه اصلی را با هم ترکیب می نماید(1) مولفه ای برای ایجاد و حفظ نمونه، (2) مولفه ای برای پیش بینی زمان پاسخ جستار و دقت و انتخاب نمونه ای که به بهترین حالت محدودیت های مشخص را ایفا می نمایند.



2.2.1. ایجاد و حفظ نمونه



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



شکل 1: ساختار BlinkDB



 نمونه ها بر اساس آمار جمع آوری شده از داده های متضمن (به عنوان مثال، نمودار هیستوگرام ها) و قالب های جستار  تاریخی ایجاد و به روز رسانی شده اند.BlinkDB  مجموعه ای از نمونه های یکنواخت و مجموعه ای متعددی از نمونه های طبقه بندی شده را ایجاد و حفظ می کند. مجموعه ای از ستون ها که در آن نمونه ها طبقه بندی شده اند، باید با استفاده از چارچوب بهینه سازی ای ایجاد شوندکه در آن مجموعه ای از ستون (ها) به دلایل ذیل برگزیده شده اند:(1) ارزیابی بسیار مفید قالب جستار  در حجم کار و (2) نمایش بزرگترین مورب ، به عبارت دیگر، دارای توزیعاتی هستند که در آن مقادیر بسیار نادر به احتمال زیاد از یک نمونه یکنواخت جدا شده اند. مجموعه ای از نمونه ها توسط ورود داده های جدید و زمان تغییرات حجم کاری به روز رسانی شده اند.



2.2.2. انتخاب نمونه حین اجرا



برای اجرای یک جستار، ابتدا مجموعه ای بهینه از نمونه (ها) را برای پاسخگویی به صحت یا محدودیت های زمانی پاسخ انتخاب می کنیم. چنین نمونه (هایی) با استفاده از ترکیبی از آمار از پیش محاسبه شده و با اجرای پویای جستار بر روی نمونه های کوچک تر و تخمین گزینندگی و پیچیدگی جستار انتخاب شده اند. این برآورد به بهینه ساز جستار در انتخاب یک برنامه اجرا(execution plan) و همچنین «بهترین» نمونه (ها) برای اجرای جستار کمک می کند- یعنی به شخص (اشخاص) کمک می کند تا خطا یا محدودیت های زمانی پاسخ کاربر را جبران نمایند.



2.3. یک مثال



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



شکل 2: مثال نشان دهنده نمونه هایی از یک جدول پنج ستونه و حجم کار یک جستار مشخص می باشد



شکل 2 مجموعه ای از قالب های جستار و فراوانی نسبی شان را نشان می دهد. BlinkDB ، با توجه به این قالب ها و بودجه ذخیره سازی، بر اساس قالب های جستار و آمار مربوط به داده ها چندین نمونه ایجاد نمود. این نمونه ها در گروه های نمونه ای سازماندهی شدند که در آن هر گروه شامل نمونه های متعددی از دانه بندی های (granularities) مختلف می باشد. در مثال ما،BlinkDB تصمیم گرفت تا دو گروه نمونه از نمونه های طبقه بندی شده ایجاد نماید: یکی شهر(City) و دیگرب در (OS، URL).



برای هر جستار، BlinkDB گروه نمونه مناسب و نمونه ای با وضوح مناسب برای پاسخ به جستار انتخاب می کند. به طور کلی، ستون (ها) در بند (های) WHERE/GROUP BY  جستار نمی توانند دقیقاً با همه نمونه های طبقه بندی شده موجود مطابقت یابند. BlinkDB  پیرامون این مشکل، جستار کوچکترین تفکیک پذیری گروه های نمونه در دسترس را اجرا نمود و از این نتایج برای انتخاب نمونه مناسب استفاده کرد.



3. عملکرد 



در این بخش به طور خلاصه به بحث در مورد عملکرد BlinkDB در پارامترهای مختلف می پردازیم. مقایسه دقیق تر را می توان در منبع [4] یافت. تمام آزمایشات ما بر اساس 17 TB مسیر توزیع ناشناخته حجم کار با محتوی ویدئویی در دنیای واقعی و برگرفته از Conviva  می باشد. این داده ها در 100 نمونه بزرگEC2 جزء بندی شده اند و جستارهای ما مبتنی بر زیر مجموعه ای کوچک از مسیر جستار اصلی آنها می باشد. تمام داده ها حاوی حدود 5.5 میلیارد ردیف در یک جدول بزرگ واحد و 104 ستون بودند (مانند، شناسه مشتری(customer ID)، شهر، URL رسانه و غیره)



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.


 برچسب ها: 

Blink and It’s Done Interactive Queries on Very Large Data

بلینک و انجام آن جستارهای فعل و انفعالی در داده های بسیار بزرگ

ISI

Paper

Papers

بلینک

Article

Articles

مقاله ISI

دانلود ISI

ترجمه مقاله

دریافت مقاله

ISI کامپیوتر

Persian Paper

مقاله انگلیسی

خرید ترجمه ISI

Persian Article

ترجمه مقاله ISI

دانلود مقاله ISI

مقاله رایگان ISI

خرید ترجمه مقاله

دانلود ترجمه ISI

دانلود مقاله جدید

مقالات رایگان ISI

دریافت مقالات ISI

مقاله ISI با ترجمه

مقاله انگلیسی جدید

خرید ترجمه انگلیسی

فروش ترجمه انگلیسی

مقاله ISI کامپیوتر

داده های بسیار بزرگ

دانلود مقاله انگیسی

ترجمه مقاله انگلیسی

دانلود ISI کامپیوتر

مقالات معتبر انگلیسی

ترجمه مقالات انگلیسی

دریافت مقاله انگلیسی

ترجمه مقاله کامپیوتر

دریافت مقاله کامپیوتر

دانلود مقاله جدید ISI

جستارهای فعل و انفعالی

مقاله انگلیسی با ترجمه

مقاله انگلیسی کامپیوتر

Translate English Paper

دانلود رایگان مقاله ISI

خرید ترجمه ISI کامپیوتر

دانلود مقالات رایگان ISI

ترجمه مقاله ISI کامپیوتر

Translate English Article

دانلود مقاله ISI با ترجمه

دانلود مقاله انگلیسی جدید

دریافت مقاله انگلیسی جدید

دانلود مقاله ISI کامپیوتر

مقاله رایگان ISI کامپیوتر

خرید ترجمه مقاله کامپیوتر

دانلود ترجمه ISI کامپیوتر

مقالات رایگان ISI کامپیوتر

دریافت مقالات ISI کامپیوتر

Translate Paper in English

ترجمه مقالات معتبر انگلیسی

دانلود مقاله جدید کامپیوتر

دانلود مقاله انگلیسی رایگان

دانلود رایگان مقاله انگلیسی

دانلود مقاله انگلیسی رایگان

دریافت مقاله انگلیسی رایگان

مقاله ISI با ترجمه کامپیوتر

مقاله انگلیسی جدید کامپیوتر

خرید ترجمه انگلیسی کامپیوتر

فروش ترجمه انگلیسی کامپیوتر

ترجمه مقاله انگلیسی کامپیوتر

Translate Article in English

دانلود مقاله انگیسی کامپیوتر

مقالات معتبر انگلیسی کامپیوتر

ترجمه مقالات انگلیسی کامپیوتر

دریافت مقاله انگلیسی کامپیوتر

دانلود مقاله انگلیسی با ترجمه

دریافت مقاله انگلیسی با ترجمه

دانلود مقاله جدید ISI کامپیوتر

Translation of Paper in English

مقاله انگلیسی با ترجمه کامپیوتر

دانلود رایگان مقاله ISI کامپیوتر

دانلود مقالات رایگان ISI کامپیوتر

Translation of Article in English

دریافت مقاله انگلیسی جدید کامپیوتر

دانلود مقاله ISI با ترجمه کامپیوتر

دانلود مقاله انگلیسی جدید کامپیوتر

ترجمه مقالات معتبر انگلیسی کامپیوتر

دریافت مقاله انگلیسی رایگان کامپیوتر

دانلود مقاله انگلیسی رایگان کامپیوتر

دانلود رایگان مقاله انگلیسی کامپیوتر

دانلود مقاله انگلیسی رایگان کامپیوتر

دریافت مقاله انگلیسی با ترجمه کامپیوتر

دانلود مقاله انگلیسی با ترجمه کامپیوتر

به سوی پایگاه داده چندگانه (اشتراکی) انعطاف پذیر و مستقل
فايل پيوست

Abstract The success of cloud computing as a platform for deploying webapplications has led to a deluge of applications characterized by small data footprints with unpredictable access patterns. A scalable multitenant ... [ ادامه مطلب ]

انتشارات: ACM
پرداخت و دانلود قیمت: 7000 تومان

رویکردی در ارتباط با معماری خط تولید سرویسگرا
فايل پيوست

Abstract Service-Oriented Architecture (SOA) has appeared as an emergent approach for developing distributed applications as a set of self-contained and business-aligned services. SOA aids solving integration and interoperability problems and provides ... [ ادامه مطلب ]

انتشارات: ACM
پرداخت و دانلود قیمت: 8000 تومان

ظرفیت شبکه های بی سیم
فايل پيوست

Abstract When n identical randomly located nodes, each capable of transmitting at W bits per second and using a fixed range, form a wireless network, the throughput (formula) obtainable by each ... [ ادامه مطلب ]

انتشارات: ACM
پرداخت و دانلود قیمت: 17000 تومان

سیستم های صف بندی زمان گسسته با تعطیلی های انحصاری مارکوفب
فايل پيوست

Abstract In this contribution we investigate discrete-time queueing systems with vacations. A framework is constructed that allows for studying numerous different vacation systems, including a.o. classical vacation systems like the exhaustive ... [ ادامه مطلب ]

انتشارات: ACM
پرداخت و دانلود قیمت: 12000 تومان

طراحی و تحلیل یک مدل وقفه (تعطیلی) برای سیستم صف بندی دو فازه با خدمات ورودی
فايل پيوست

Abstract This paper mainly deals with a two phase service queueing model with gated service vacation. In this gated service vacation model, only those customers who are present in the queue ... [ ادامه مطلب ]

انتشارات: ACM
پرداخت و دانلود قیمت: 9000 تومان

به اشتراک گذاری طیف مشارکتی بین شبکه های تلفن همراه و اد هاک
فايل پيوست

Abstract Spectrum sharing between cellular and ad-hoc networks is studied in this work. Weak signals and strong interferences at the cell-edge area usually cause severe performance degradation. To improve the cell-edge ... [ ادامه مطلب ]

انتشارات: ACM
پرداخت و دانلود قیمت: 15000 تومان

مقایسه پروتکل های مسیر یابی تک مسیره در مقابل پروتکل های مسیر یابی چندگانه برای انتقال تصویر در شبکه های حسگر بی سیم چند رسانه ای
فايل پيوست

Abstract Wireless multimedia sensor network (WMSN) applications require strong multimedia communication competence. Therefore, in WMSN applications, it is necessary to use specific mechanisms in order to handle multimedia communication challenges and ... [ ادامه مطلب ]

انتشارات: ACM
پرداخت و دانلود قیمت: 11000 تومان

هوش کسب و کار به روش محاسبه ابری
فايل پيوست

Abstract Business Intelligence (BI) deals with integrated approaches to management support. Currently, there are constraints to BI adoption and a new era of analytic data management for business intelligence these constraints ... [ ادامه مطلب ]

انتشارات: ACM
پرداخت و دانلود قیمت: 8000 تومان

مدل احتمال جدید برای ضمانت کردن مشکل مسیر بحرانی با الگوریتم اکتشافی
فايل پيوست

Abstract In order to obtain an adequate description of risk aversion for insuring critical path problem, this paper develops a new class of two-stage minimum risk problems. The first-stage objective function ... [ ادامه مطلب ]

انتشارات: ACM
پرداخت و دانلود قیمت: 9000 تومان

فایل اکسل جامع طراحی دیوار حائل (با در نظر گرفتن نیروی زلزله)
فايل پيوست

تک فایل اکسل طراحی دیوار حائل (با در نظر گرفتن نیروی زلزله) دیوار حائل یا سازه نگهبان بنایی است که به منظور تحمل بارهای جانبی ناشی از خاکریز پشت دیوار، سازه ... [ ادامه مطلب ]

پرداخت و دانلود قیمت: 15000 تومان
 مشخصات کلی: 

گروه: اکسل طراحی

2 فایل اکسل مجزا جهت طراحی فونداسیون تجهیزات افقی، قائم و پیت (Air Separation Units, Heat Exchangers, Drums, Pits...)
فايل پيوست

2 فایل اکسل مجزا جهت طراحی فونداسیونهای تجهیزات: Air Separation Units, Heat Exchangers, Horizontal & Vertical Drums, Pits پالایشگاه ها و مجتمعهای پتروشیمی مجموعه هایی متشکل از تجهیزات گوناگون صنعتی هستند؛ تجهیزاتی ... [ ادامه مطلب ]

پرداخت و دانلود قیمت: 9500 تومان
 مشخصات کلی: 

گروه: اکسل طراحی

3 فایل اکسل مجزا جهت طراحی فونداسیون های تجهیزات دینامیک: Compressors & Pumps (reciprocating & centrifugal), Oil-Water Skid
فايل پيوست

3 فایل اکسل مجزا جهت طراحی فونداسیونهای تجهیزات دینامیک: Compressors & Pumps (reciprocating & centrifugal), Oil / Water Skid در ساخت یک مجتمع پتروشیمی تجهیزات متعددی مورد استفاده قرار می گیرد. برخی از ... [ ادامه مطلب ]

پرداخت و دانلود قیمت: 12500 تومان
 مشخصات کلی: 

گروه: اکسل طراحی

دستورالعمل جامع آشنایی با اصول طراحی سکوهای ثابت فلزی دریایی
فايل پيوست

مجموعه دستورالعمل های ارائه شده در دیتاسرا شامل ضوابط و مراحل تحلیل و طراحی سازه های گوناگون صنعتی و بر اساس الزامات مندرج در آیین نامه های معتبر داخلی و ... [ ادامه مطلب ]

پرداخت و دانلود قیمت: 25000 تومان

دستورالعمل کاربردی و گام به گام طراحی سازه های باز بتنی (پایپ رک ها) و فونداسیون
فايل پيوست

مجموعه دستورالعمل های ارائه شده در دیتاسرا شامل ضوابط و مراحل تحلیل و طراحی سازه های گوناگون صنعتی و بر اساس الزامات مندرج در آیین نامه های معتبر داخلی و ... [ ادامه مطلب ]

پرداخت و دانلود قیمت: 15000 تومان

دستورالعمل طراحی سازه های فولادی به روش DIRECT ANALYSIS METHOD بر اساس آئین نامه AISC با استفاده از نرم افزارهای SAP و ETABS
فايل پيوست

مجموعه دستورالعمل های ارائه شده در دیتاسرا شامل ضوابط و مراحل تحلیل و طراحی سازه های گوناگون صنعتی و بر اساس الزامات مندرج در آیین نامه های معتبر داخلی و ... [ ادامه مطلب ]

پرداخت و دانلود قیمت: 12500 تومان

دستورالعمل طراحی فونداسیون های تجهیزات ارتعاشی (چرخشی، رفت و برگشتی)ـفارسی
فايل پيوست

مجموعه دستورالعمل های ارائه شده در دیتاسرا شامل ضوابط و مراحل تحلیل و طراحی سازه های گوناگون صنعتی و بر اساس الزامات مندرج در آیین نامه های معتبر داخلی و ... [ ادامه مطلب ]

پرداخت و دانلود قیمت: 12500 تومان

تقویت کننده ی شبه تفاضلی کلاس-AB برمبنای اینورتر CMOS برای کاربردهای HF
فايل پيوست

 Abstract This paper presents a CMOS inverter-based c1ass-AB pseudo differential amplifier for HF applications using new sim pIe rail-to-rail CMFB circuit. The proposed circuit em ploys two CMOS inverters and the ... [ ادامه مطلب ]

پرداخت و دانلود قیمت: 5000 تومان

روش جاروب رو به عقب، برای حل پخش بار در شبکه های توزیع
فايل پيوست

Abstract A methodology for the analysis of radial or weakly meshed distribution systems supplying voltage dependent loads is here developed. The solution process is iterative and, at each step, loads are ... [ ادامه مطلب ]

پرداخت و دانلود قیمت: 8000 تومان

بازسازی سه بعدی و تشخیص چهره با استفاده از ICA مبتنی بر هسته و شبکه های عصبی
فايل پيوست

Abstract Kernel-based nonlinear characteristic extraction and classification algorithms are popular new research directions in machine learning. In this paper, we propose an improved photometric stereo scheme based on improved kernel-independent component ... [ ادامه مطلب ]

پرداخت و دانلود قیمت: 9000 تومان

ناحیه کاربری

فرمت ایمیل صحیح نمی باشد. ایمیل خود را وارد نمایید.

رمز عبور خود را وارد نمایید.

مجله اینترنتی دیتاسرا
کلیه حقوق مادی و معنوی این وبسایت متعلق به گروه نرم افزاری دیتاسرا می باشد.
ایمیل:
support.datasara[AT]gmail[دات]com

Copyright © 2019