• بخشی از ترجمه:

چکیده
ما بر این اعتقاد می باشیم که هر تراکنش به صورت مستقل می باشد، یعنی اینکه به انجام محاسبه بدون هیچ ارتباط مستقیمی با تراکنش های دیگر می پردازد. تراکنش به صورت غیر مستقیم ، البته از طریق ذخیره سازی و بازیابی داده در پایگاه داده، ارتباط بر قرار می کنند. به هر حال، این تنها روشی می باشد که تراکنش ها می توانند فعالیت یکدیگر را تحت تاثیر قرار دهند.
برای اطمینان از تراکنش به شکل دقیق، DBS (سرور پایگاه داده) می بایست به کنترل تمام روش هایی بپردازد که تراکنش انجام می گیرد. این بدین معنا می باشد که DBS (سرور پایگاه داده) می بایست به عنوان رابط هر فعالیت تراکنش بوده که می تواند تراکنش های دیگر را تحت تاثیر قرار دهد. در مدل ما، چنین عملیاتی تنها بر مبنای دسترسی به داده های مشترک می باشد. چون تراکنش دسترسی به داده های مشترک از طریق توزیع عملیات پایگاه داده به DBS (سرور پایگاه داده) دارد، ، DBS (سرور پایگاه داده) می تواند تا جایی که لازم است به کنترل چنین فعالیت هایی بپردازد.
در بسیاری از سیستم ها، تراکنش، امکان ارتباط را از طریق ارسال پیام هایی ایجاد می کند. ما امکان ارتباط چنین پیام هایی را در مدل مان مطرح می کنیم، به شرطی که چنین پیام هایی در پایگاه داده ذخیره گردند. تراکنش به ارسال و دریافت پیام از طریق نوشتن و خواندن جزییات اطلاعات، که آن پیام را شکل می دهد، می پردازد. این محدودیت بر روی ارتباط پیام، تنها در ارتباط بین پیام ها بکار گرفته می شود. دو یا چند مرحله ای که به نیابت از تراکنش مشابه به اجرا در می آید، می تواند آزادانه به تبادل پیام پرداخته، و نیاز نیست که این پیام ها در پایگاه داده ذخیره گردند. به طور کلی، تراکنش به صورت آزاد انجام می گیرد تا به کنترل موارد اجرایی داخلی با استفاده از مکانیسم های در دسترس بپردازد. تنها تعامل بین تراکنش مختلف توسط DBS (سرور پایگاه داده) تحت کنترل در می آید.
١.٢ قابلیت بازیابی
سیستم بازیابی باعث می شود که DBS (سرور پایگاه داده) به گونه ای عمل کند که پایگاه داده شامل تمام تاثیرات تراکنش انجام شده بوده و هیچ یک از تاثیرات مربوط به تراکنش انجام نشده باشد. اگر تراکنش هرگز متوقف نشوند، بازیابی نسبتا آسان می باشد. چون تمام تراکنش در نهایت به اجرا در می آیند، DBS (سرور پایگاه داده) به سادگی به اجرای عملیات پایگاه داده به محض ورود می پردازد. بنابراین به منظور درک بازیابی، می بایست در ابتدا نگاهی به پردازش موارد متوقف شده شده بیاندازیم.
زمانی که تراکنش بی نتیجه می ماند، DBS (سرور پایگاه داده) می بایست تاثیرش را متوقف کند. تاثیر تراکنش T به دو صورت می باشد: تاثیر بر روی داده؛ یعنی مقادیری که T در پایگاه داده ایجاد می کند؛ و تاثیر بر روی تراکنش دیگر، یعنی تراکنشی که مقادیر نوشته شده توسط T را می خواند. که هر دو می بایست پاک شوند.
DBS (سرور پایگاه داده) می بایست تاثیرات T را توسط بازیابی، برای هر قلم داده X که توسط T بروز می گردند حذف کند. مقدار X زمانی مد نظر قرار می گیرد که T هرگز به وقوع نپیوسته باشد. می توانیم بگوییم که DBS (سرور پایگاه داده) عملیات نوشتن T را خنثی می کند.
DBS (سرور پایگاه داده) می بایست تاثیرات T را با متوقف تراکنش انجام شده کنار بگذارد. بی نتیجه گذاشتن این تراکنش منجر به تحریک توقف شدن موارد دیگر می گردد، این پدیده به نام توقف آبشاری می باشد.

• بخشی از مقاله انگلیسی:

Abstract

We assume that each transaction is self-contained, meaning that it performs its computation without any direct communication with other transactions. Transactions do communicate indirectly, of course, by storing and retrieving data in the database. However, this is the only way they can affect each other’s execution. To ensure transaction atomicity, the DBS must control all of the ways that transactions interact. This means that the DBS must mediate each transaction’s operations that can affect other transactions. In our model, the only such operations are accesses to shared data. Since a transaction accesses shared data by issuing database operations to the DBS, the DBS can control all such actions, as required. In many systems, transactions are allowed to communicate by sending messages. We allow such message communication in our model, provided that those messages are stored in the database. A transaction sends or receives a message by writing or reading the data item that holds the message. This restriction on message communication only applies to messages between transactions. Two or more processes that are executing on behalf of the same transaction can freely exchange messages, and those messages need not be stored in the database. In general, a transaction is free to control its internal execution using any available mechanism. Only interactions between different transactions need to be controlled by the DBS. 1.2 RECOVERABILITY The recovery system should make the DBS behave as if the database contains all of the effects of committed transactions and none of the effects of uncommitted ones. If transactions never abort, recovery is rather easy. Since all transactions eventually commit, the DBS simply executes database operations as they arrive. So to understand recovery, one must first look at the processing of Aborts. When a transaction aborts, the DBS must wipe out its effects. The effects of a transaction Tare of two kinds: effects on data, that is, values that Twrote in the database; and effects on other transactions, namely, transactions that read values written by T. Both should be obliterated. The DBS should remove T’s effects by restoring, for each data item x updated by T, the value x would have had if T had never taken place. We say that the DBS undoes T’s Write operations. The DBS should remove T’s effects by aborting the affected transactions. For example, suppose the initial values of x and y are 1, and suppose transactions T, and T, issue operations that the DBS executes in the following order: Chatura Ranaweera, Harvir Bansal and Gordon McDougall Wilfrid Laurier University, Waterloo, Canada Transaction and message transfer (2013) 1.2 RECOVERABILITY 7 Write,(x, 2); Read,(%); Write2(y, 3). The subscript on each Read and Write denotes the transaction that issued it. Now, suppose T[ aborts. Then the DBS undoes Write^x, 2), restoring x to the value 1. Since T2 read the value of x written by T1; T2 must be aborted too, a cascading abort. So, the DBS undoes Write2(y, 3), restoring y to 1. Recall that by committing a transaction, the DBS guarantees that it will not subsequently abort the transaction. Given the possibility of cascading aborts, the DBS must be careful when it makes that guarantee. Even if a transaction T issues its Commit, the DBS may still need to abort T, because T may yet be involved in a cascading abort. This will happen if Tread a data item from some transaction that subsequently aborts. Therefore, T cannot commit until all transactions that wrote values read by Tare guaranteed not to abort, that is, are themselves committed.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله بررسی تراکنش و انتقال پیام اولین بار در ترجمه فا پدیدار شد.

Concurrency Control

مسئله کنترل همروندی، به هماهنگی دسترسی های همزمان به پایگاه داده در سیستم مدیریت چند کاربردی (DBMS) اتلاق می گردد. کنترل همروندی به کاربران اجازه دسترسی به پایگاه داده به شیوه برنامه ریزی شده چندگانه را می دهد و در عین حال، خطا و اشتباهی که هر کاربر به تنهایی روی سیستم تخصیص داده شده اجرا می کند را حفظ می نماید. مشکل فنی اصلی در نیل به این هدف، پیشگیری ازاختلال در به روزرسانی پایگاه داده توسط یک کاربر با بازیابی پایگاه داده و به روزرسانی های انجام شده توسط کاربر دیگر می باشد. مسئله کنترل همروندی در DDBMS توزیع شده بدتر می شودزیرا (1) کاربران به داده های ذخیره شده در بسیاری از کامپیوترهای مختلف در سیستم توزیع شده دسترسی دارندو (2) مکانیزم کنترل همروندی در یک کامپیوتر را نمی توان به صورت لحظه ای تصدیق نمود. زیرا کنترل همروندی پایگاه داده توزیع شده یکی از پیچیده ترین و چالش برانگیزترین حوزه ها در سیستم های پایگاه داده است. نرم افزار بلادرنگ برای برنامه های کاربردی مطمئن و بحرانی کنترل همروندی در پایگاه داده توزیع شده لازم و ضروری می باشد. سیستم های بلادرنگ در اینجا نقش غالبی ایفا می کنند، در اینجا تعداد زیادی از برنامه های کاربردی شامل وظایف بلادرنگ می باشند که اغلب با اشکالات مهمی از لحاظ هزینه و زمان تلفات روبرو می باشند.

در مطالعات اخیر، کارهای پژوهشی زیادی به روشها و مکانیزم های کنترل همروندی تخصیص داده شده است، زیرا برای حفظ قابلیت اعتماد و پایداری پایگاه داده توزیع شده بلادرنگ به آنها نیاز می باشد، چرا که آنها ویژگیهای مختلفی از برنامه های کاربردی بلادرنگ بکاررفته در پایگاه داده توزیع شده را به صورت سری قرار می دهند که به موارد زیر کمک می کنند: (1) توصیف داده ها (ابرداده)، (2) حفظ درستی و یکپارچگی داده ها، (3) دسترسی کارآمد به داده ها و (4) اجرای درست تراکنش ها علی رغم همروندی و خرابی.

از لحاظ سنتی، پایگاههای داده با داده های بادوام سرو کار دارند. تراکنش های اصلی که به داده ها دسترسی داشته و سازگاری آنها را حفظ می کنند. هدف تراکنش و روشهای پردازش پرس و جو انتخابی در پایگاههای داده، دستیابی به کارایی و زمان پاسخ خوب جهت تضمین عملکرد بهتر می باشد. بر عکس، سیستم های پایگاه داده بلادرنگ می توانند با داده های زمانی نیز سرو کار داشته باشند ( به عبارتی داده های زمان بندی شده بعد از یک زمان خاص). اختلاف مهم آن است که هدف سیستم های پایگاه داده بلادرنگ، تامین محدودیت های زمانی تراکنش ها می باشد. همچنین شایان توجه است بلادرنگ الزاماً به معنای سریع نیست. بلادرنگ به معنای نیاز به مدیریت محدودیت های زمان طبقاتی به شیوه ای قابل پیش بینی یعنی استفاده از روشهای آگاه از زمان برای مقابله با موعدها و ضرب العجل ها یا محدودیت های دوره ای بودن مرتبط با وظایف و تراکنش ها می باشد.

این کار نیاز به روشهای کنترل همروندی پیچیده در سیستم های پایگاه داده توزیع شده بلادرنگ را بزرگ می کند. بنابراین رویکرد جدیدی برای کنترل همروندی خوشبینانه جدید مطرح شده است که براساس دوباره کاری روی حجم کار فعلی عمل می کند.

هر تراکنش پایگاه داده با قواعد ACID مطابقت دارد؛ تعداد اتم ها،سازگاری، جدایی، و دوام. بسته به تیپ های تراکنش، سطح موازی گرایی و سایر عوامل، مکانیزم های کنترل همروندی متفاوتی پیاده می شوند. a) کنترل همروندی بدبینانه: اگر بیش از یک تراکنش برای به روزرسانی داده ها در یک زمان مورد انتظار باشد، آنگاه داده ها را قفل کرده و از عملیات های به روزرسانی همپوشان تراکنش ها جهت دسترسی به داده های یکسان جلوگیری کنید، اما به عملیات های خواندن اجازه دسترسی به داده های قفل شده را دهید. B) کنترل همروندی خوشبینانه: تاخیر این مسئله را چک می کند که آیا تراکنش قواعد ACID برای حالت ارتکاب، جهت پیشگیری از نقض و تخلف را تامین می کند یا خیر.

منبع: روشی خوش بینانه در کنترل همزمانی دیتابیس توزیع شده

نوشته کنترل همروندی چیست؟ (Concurrency Control) اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

 چکیده
1 مقدمه
2 کارهای وابسته
3 مکانیسم امنیت شخصی شده
1 3 راه حل پیشنهادی
2 3 تعاریف سیاست امنیت شخصی شده
4 تحلیل عملکرد
5 نتیجه گیری

بخشی از ترجمه:

4. تحلیل عملکرد
راه حل پیشنهادی برای بهبود امنیت در تراکنش های بانکداری دارای ملاحظات زیر می باشد: (1) اگرچه عملکرد مکانیسم پیشنهادی را بهبود می بخشد، اما تاجر بایستی منتظر دریافت تائیدیه SMS قبل از تحویل کالاها به مشتریان باشد؛ (2) روش پیشنهادی در این مقاله، با ارسال تائیدیه تراکنش، میزان کلاهبرداری را کاهش می دهد؛ (3) این کار می تواند هزینه تراکنش را افزایش دهد، زیرا برای تراکنش، سرور امنیت شخصی شده، حداقل سه SMS ارسال کرده و در سیاست های گروهی، تعداد SMS ها افزایش می یابد؛(4) با استفاده از ایمیل به جای SMS، هزینه کاهش می یابد؛ (5) راه حل دیگر برای کاهش هزینه، تعریف آستانه برای حد و حدود تراکنش می باشد. به طور مثال، اگر مبلغ بیشتر از 100 دلار باشد، آنگاه مکانیسم پیشنهادی برای تائید تراکنش، SMS یا ایمیل ارسال می کند.
تراکنش های تقلبی درتجارت الکترونیکی رشد عظیمی داشته و از 7. 2 بیلیون دلار در سال 2010 به تقریباً 5. 3 بیلیون دلار در سال 2012 می رسند. شرکت ها از ضرر و زیان متوسط 0.9 درصدی در کل درآمد آنلاین به عنوان کلاهبرداری در سال 2012 خبر دادند. برطبق گزارش، نرخ کلاهبرداری و تقلب از 0.6درصد در سال 2011 به 0.8 درصد در سال 2012 رسیده و ارزش متوسط بلیط برای سفارش تقلبی 200 دلار بالاتر از سفارش معتبر بود (149 دلار).
در صورت تائید تراکنش ها توسط SMS یا ایمیل، نرخ تقلب و کلاهبرداری توسط کاربرانی کاهش می یابد که رجیستر شده و از سیستم استفاده می کنند. به منظور شبیه سازی، فرض شده است جمعیت آماری ، تعداد تراکنش های خرید در سال برای هر نفر ، یک تراکنش تقلبی به ازای هر تراکنش وجود داشته، تعداد افرادی که از روش پیشنهادی استفاده می کنند 5000 و بیشتر بوده و اثربخشی سیاست بین 50 تا 80 درصد متغیر می باشد. اثربخشی سیاست به شکل درصد کلاهبرداریهای پیشگیری شده در کل تراکنش ها تعریف شده است. بر طبق شکل 3(a) و (b)، با افزایش تعداد سیاست های مورد استفاده سیستم پیشنهادی، تعداد کلاهبرداریها کاهش می یابد.

5. نتیجه گیری
مقاله حاضر روش امنیت شخصی شده را معرفی کرده است که تراکنش های بانکداری الکترونیکی در برابر تقلب و کلاهبرداری ایمن شده اند. این مقاله روشی مطرح کرده است که از معماری فلاسک در محیط های ابری برای اجتناب از تراکنش های تقلبی به شکلی موثرتر استفاده می کند. برای نیل به این هدف، و به منظور تامین شروط و نیازهای سازمان های مختلف درخصوص تشخیص کلاهبرداری، سیاست ها و الگوریتم هایی پیشنهاد شده است. تحلیل عملکرد نشان داده است که ریسک کلاهبرداری و تقلب کاهش یافته است.

بخشی از مقاله انگلیسی:

4. Performance Analysis

The proposed solution to improve security in banking transactions has the following considerations: i) although the expired_time improves the operation of the proposed mechanism, the merchant must wait to receive the SMS confirmation before delivering the goods to customers; ii) the method proposed in this paper decreases fraud by transaction confirmation; iii) it may increase the cost of a transaction, since for a transaction, the personalized security server sends at least three SMSs and in group policies, the number of SMSs may increase; iv) the cost may decrease by using Email rather than SMS; v) another solution to decrease the cost is to define a threshold for transaction limits. For example, if the amount is greater than 100$, the proposed mechanism sends SMS or Email to confirm the transaction.

Fraudulent transactions in e-commerce have a huge growth from 2.7 billion dollars in 2010 to approximately 3.5 billion dollars in 2012 [12]. Companies reported an average loss of 0.9% of total online revenue as fraud in 2012 [13]. According to the report, fraud rate has increased from 0.6% in 2011 to 0.8% in 2012 and average ticket value for a fraudulent order was $200 higher than a valid order ($149) [13].

If transactions are confirmed by SMS or email, the fraud rate can be reduced by the number of users that register and use the system. For simulation purposes, it is assumed that the statistical population to be 105 , the number of purchase transactions per year for everyone 102 , one fraudulent transaction per 104 transactions, the number of people using the proposed method 5000 and more, and the policy effectiveness ranging from 50% to 80%. The policy effectiveness is defined as the percentage of frauds that are prevented over total transactions. As Figure 3 (a) and (b) show, the number of frauds decreases when the number of policies that the proposed system employs increases.

5. Conclusion

The paper has introduced a personalized security method in which E-banking transactions are secured against fraud. This paper has presented a method which employs Flask architecture in cloud environments to more effectively avoid fraudulent transactions. To achieve this goal, the policies and algorithms have been proposed to meet different organizations requirements for fraud detection. The performance analysis has shown that the risk of fraud has reduced.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود مقاله ترجمه شده بهبود بانکداری الکترونیک با ایمنی شخصی سازی شده معماری Flask در فضای ابری – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

چکیده
1     مقدمه
2     پیش زمینه
B  خطا و تحمل خطا  در DstageDB
C   روش‌های موجود برای پردازش تراکنش
3     متدلوژی
A     مجموع روابط مرتب‌شده  سراسری
B     پشتیبان‌گیری و بازیابی در DstageDB
C     بازیابی براساس گره‌های مجازی
D     مکانیزم تراکنش مبتنی بر عامل
4     ارزیابی
A     استراتژی‌های پشتیبان‌گیری
B     بازیابی براساس گره‌های مجازی
C     تراکنش‌های مبتنی بر عامل
تصدیقات
نتیجه

بخشی از ترجمه:

C.    تراکنش‌های مبتنی بر عامل
عملکرد تراکنش مبتنی برعامل را در این زیربخش تست می‌کنیم.  ما سیستم 12 گره  و دو نوع از تراکنش‌ها را ایجاد می‌کنیم.  اولین نوع  تراکنش با  5 درخواست خواندن و 5 درخواستن  نوشتن، و در هرثانیه برابر 10 درخواست خواندن است.
از دو نوع تراکنش‌ها به عنوان سربارکاری استفاده می‌کنیم.  همه درخواست‌ها تراکنش نیستند. در حقیقت،  تنها بخش کوچکی ار درخواست نیاز دارد که به طور اتوماتیک  پایان‌یابد.  این درصد در تست ما 10% است.  در همه تست تراکنش‌های خواندن، عملکرد پایگاه‌داده  21.9K عملیات در هر ثانیه است.  درصورتی که  در تست تراکنش‌های ترکیبی، عملکرد 20.2K عملیات به ازای هر ثانیه است.  سربار معرفی شده توسط تراکنش مبتنی بر عامل حول 8.3% است.

تصدیقات
دوست داریم که از نظرات افراد ناشناس برای  نظرات  دقیق برای بهبود این نسخه سپاسگزاری کنیم.  این موارد براساس کارهای بالقوه پشتیبانی شده توسط  برنامه‌ R&D با فناوری بالای چین ( برنامه 863) تحت گارانتی 2012AA01A301 و 2012AA010901 ، برنامه برای  New Century Excellent Talents در دانشگاه و ساختارهای علوم بین‌المللی (NSF) چین 61272142,، 61103082,، 61170261 و 61103193. انجام گرفته است.

نتیجه
در این مقاله  رویکرد جدیدی را برای  تحمل خطای پایگاه‌داده  کلید-مقدار توزیع‌شده  جدید ارائه دادیم.  در مقایسه با  کارهای قبلی، دارای عملکرد بهتری است.
کل مکانیزم براساس عامل‌ها است، که ترکیبی از داده  و برنامه‌های باینری است.  برنامه می‌تواند در هر سروری اجرا شود. لذا کاربران  نیاز ندارند که در مورد تراکنش بعد از ارسال آن به سرور نگران باشند.  از طرفی دیگر، اگر چه  بازیابی براساس گره‌های مجازی  یک تکنیک  پیچیده به نظر نمی‌آید، قابلیت استفاده سرور را بسیار بهبود می‌بخشد.
عملکرد سیستم را  نیز تست کردیم.  نتایج ما نشان می‌دهند که  پشتیان تحمل خطا را به  پایگاه‌داده  کلید مقدار که اغلب تنها بر عملکرد تمرکز می‌کند  را اضافه کردیم.

بخشی از مقاله انگلیسی:

C. Agent-based Transaction

We test the performance of agent-based transaction in this subsection. We build a 12-node system and two kinds of transaction. The first type is a transaction with 5 read requests and 5 write requests, the second one is 10 read requests.

We use two types of transactions as workload respectively. Not all requests are transactions. In fact, there are only small part of requests need to be finished atomically. The percentage in our test is 10%. In the all-read transaction test, the performance of database is 21.9K operations per second. While in the hybrid transaction test, the performance is 20.2K operations per second. The overhead introduced by agent-based transaction is about 8.3%.

ACKNOWLEDGMENT

We would like to thank the anonymous reviewers for the insightful comments to improve this manuscript. This material is based upon work partially supported by National High-tech R&D Program of China(863 Program) under Grants 2012AA01A301 and 2012AA010901, program for New Century Excellent Talents in University and National Science Foundation(NSF) China 61272142, 61103082, 61170261 and 61103193.

CONCLUSION

In this paper we have proposed a new approach for distributed key-value databases’ fault tolerance. Compared with previous work, it has better performance.

The whole mechanism is based on agents, which are a combination of data and program binaries. The program can be executed at servers. So users need not care about the transaction after send it to the servers. On the other hand, although virtual node based recovery does not seem to be a complex technique, it improves the usability of servers a lot.

We have tested system performance. Our results show that we add fault tolerance support to key-value database which often focus on performance only.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود ترجمه مقاله مکانیسم تحمل خطای عامل محور در دیتا بیس مبتنی بر کلید – ارزش توزیعی – مجله IEEE اولین بار در ترجمه فا پدیدار شد.