دانلود مقاله ترجمه شده معماری تحلیلی بیگ دیتا برای اینترنت اشیای کوچک – ۲۰۱۸ IEEE

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

معماری بزرگ تجزیه و تحلیل داده ها برای اینترنت اشیای کوچک

عنوان انگلیسی مقاله:

A Big Data Analytics Architecture for the Internet of Small Things

 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۸
تعداد صفحات مقاله انگلیسی  ۶صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی فناوری اطلاعات و کامپیوتر
گرایش های مرتبط با این مقاله اینترنت و شبکه های گسترده، معماری سیستم های کامپیوتری و شبکه های کامپیوتری
چاپ شده در مجله (ژورنال) مجله ارتباطات – Communications Magazine
نویسندگان Moneeb Gohar, Syed Hassan Ahmed, Murad Khan, Nadra Guizani, Awais Ahmed, and Arif Ur Rahman
شناسه شاپا یا ISSN ISSN ۱۵۵۸-۱۸۹۶
شناسه دیجیتال – doi  ۱۰٫۱۱۰۹/MCOM.2018.1700273
رفرنس دارد  
کد محصول ۳۶۶
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه طلایی⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۵ صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر  ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه شده است  
درج تصاویر در فایل ترجمه درج شده است  
منابع داخل متن به صورت عدد درج شده است  

 

فهرست مطالب

چکیده

مقدمه

فناوری جدید

معماری پیشنهاد شده از آنالیز داده های بزرگ برای اینترنت اشیا کوچک

لایه اشیا کوچک

لایه زیرساخت

لایه پلت فرم

لایه کاربرد

انالیز داده ها و ارزیابی سیستم

نکات نتیجه گرفته شده

 

بخشی از ترجمه

چکیده

شرکت SK Telecom کره جنوبی اخیرا مفهوم IoST را برای مدل تجارت خود معرفی کرد. این شرکت از IoST، که به طور مدام داده ها را از طریق پلت فرم بی سیم LoRa تولید می کند استفاده کرد. افزایش در نرخ داده های تولید شده توسط IoST به شکل نمایی افزایش می یابد. پس از تلاش برای آنالیز و ذخیره حجم زیادی از داده های IoST با استفاده از ابزار و فن آوری های موجود، شرکت SK Telecom کره جنوبی کمبود ها را سریعا شناسایی کرد. مقاله کنونی در مورد برخی از مسائل بحث میکند و یک معماری آنالیز داده های بزرگ را برای IoST خود ارائه می دهد. یک سیستم توسعه یافته با استفاده از معماری پیشنهادی قادر خواهد بود به طور موثری به آنالیز و ذخیره اطلاعات IoST را انجام دهد و همزمان تصمیم گیری بهتر را ممکن کند. معماری پیشنهادی از چهار لایه تشکیل شده است، یعنی لایه اشیا کوچک، لایه زیربنایی، لایه پلتفرم و لایه کاربردی. در نهایت، یک آنالیز دقیق از یک اجرای داده های بزرگ IoST استفاده شده ی برای پیگیری رطوبت و دما از طریق Hadoop، به عنوان اثبات مفهوم ارائه شده است.

 

انالیز داده ها و ارزیابی سیستم سیستم پیشنهادی با استفاده از Spark و GraphX با نصب یک Hadoop تک گره در UBUNTU 14.04 LTS coreTMi5 با پردازنده ۳٫ ۳ گیگاهرتز و ۴ گیگابایت حافظه اجرا می شود. برای ترافیک زمان واقعی بسته های Pcap از مجموعه داده ها را ، با استفاده از کتابخانه Wireshark تولید کردیم و آنها را به سیستم توسعه یافته فرستادیم. کتابخانه های ورودی Hadoop-pcap-lib، Hadoop-pcap-side و Hadoop Pcap برای پردازش بسته های شبکه و تولید فرمت های قابل خواندن Hadoop (فایل توالی) در مرحله جمع آوری و تجمع استفاده می شوند تا داده ها بتوانند توسط Hadoop و GraphX پردازش شوند. GraphX برای ساخت و پردازش گراف ها با هدف تصمیم گیری های حمل و نقل هوشمند استفاده می شود. ما میزان بسیار زیاد داده های [۱۴، ۱۵] در نظر گرفتیم. شدت ترافیک در زمان های مختلف در یک مسیر متفاوت است. آنالیز شدت زمان های مختلف روز به مدیران در مدیریت و ساخت یک برنامه ی مناسب برای ترافیک در آن زمان کمک می کند.

 

بخشی از مقاله انگلیسی

Abstract

The SK Telecom Company of South Korea recently introduced the concept of IoST to its business model. The company deployed IoST, which constantly generates data via the LoRa wireless platform. The increase in data rates generated by IoST is escalating exponentially. After attempting to analyze and store the massive volume of IoST data using existing tools and technologies, the South Korean company realized the shortcomings immediately. The current article addresses some of the issues and presents a big data analytics architecture for its IoST. A system developed using the proposed architecture will be able to analyze and store IoST data efficiently while enabling better decisions. The proposed architecture is composed of four layers, namely the small things layer, infrastructure layer, platform layer, and application layer. Finally, a detailed analysis of a big data implementation of the IoST used to track humidity and temperature via Hadoop is presented as a proof of concept.

 

Data Analysis and System Evaluation The proposed system is implemented using Spark and GraphX with a single-node Hadoop setup on an UBUNTU 14.04 LTS coreTMi5 machine with a 3.2 GHz processor and 4 GB memory. For real-time traffic, we generated Pcap packets from the datasets by using Wireshark libraries and retransmitted them into the developed system. Hadoop-pcap-lib, Hadoop-pcap-side, and Hadoop Pcap input libraries are used for network packet processing and generating Hadoop Readable formats (sequence file) at the collection and aggregation step so that the data can be processed by Hadoop and GraphX. GraphX is used to build and process graphs with the goal of making smart transportation decisions. We have considered the massive volume of data from [14, 15]. The intensity of the traffic varies between times on the same road. The intensity analysis of the various times of day helps administrators manage and make a proper plan for the traffic at that time.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

معماری تحلیلی بیگ دیتا برای اینترنت اشیای کوچک

عنوان انگلیسی مقاله:

A Big Data Analytics Architecture for the Internet of Small Things