چکیده فارسی :

مجموعه‌‌ای از کامپیوتر‌‌های مستقل بهم پیوسته که با هم به طور واحد به عنوان منبع رایانش ترکیبی واحد عمل می کنند، یک نوع سیستم پردازش توزیعی یا موازی می باشند که خوشه نامیده می شوند. خوشه‌‌ها و شبکه‌‌ها، سیستم‌‌هایی هستند که در میان خودشان مبادله می‌‌شوند و به عنوان یک منبع تنها عمل می‌‌کنند. این نوع از قابلیت را می‌‌توان به عنوان معماری چند‌‌کامپیوتر موازی معرفی کرد که با ملاحظات خاصی قابل اجرا می باشد. با این وجود رایانش ابری به عنوان یک مدل برنامه‌‌نویسی برجسته‌‌تر برای به کار بردن مجموعه داده‌‌های بزرگ با استفاده از خوشه‌‌ها، معرفی شدند. یک مدل برنامه‌‌نویسی چیزی جزء روش داده‌‌ها که برای رسیدگی و اداره برنامه انجام می‌‌شود، نیست. عملکرد‌‌ها، قابلیت حمل، معماری بر مبنای هدف، حفظ و ثبات کد، اقدامات کلیدی هستند که در حالیکه یک مدل برنامه‌‌ریزی طراحی می شود، باید حفظ شوند. برنامه‌‌های کاربردی که برای تجزیه و تحلیل داده‌‌ها استفاده می شوند عموماً با مجموعه داده‌‌های بزرگ سر و کار دارند که تحت پردازش چند‌‌‌مرحله‌‌ای قرار می گیرند. بعضی از این مراحل به صورت متوالی انجام می گیرد، و بقیه آنها به صورت موازی بر روی خوشه، شبکه و ابر انجام می پذیرد. این مقاله یک بررسی در مورد چگونگی برنامه‌‌‌نویسی مدل‌‌هایی که برای ابر خوشه‌‌‌ای و قانون شبکه به عنوان پشتیبانی از تجزیه و تحلیل داده‌‌های بزرگ توسعه یافته است را به تصویر می کشد. علاوه بر این، مطالعه بر روی مدل‌‌های برنامه نویسی که در حال حاضر توسط شرکت‌‌های پیشروی چند‌‌ملیتی به کار گرفته شده است در این مقاله به تصویر کشیده شده است.

چکیده انگلیسی:

A collection of interlinked stand-alone computers which function together in unity as a single incorporatedcomputing resource is a kind of parallel or distributed processing systems called as the cluster. Clusters and grids aresystems which intercommunicate among them and act as a single resource. This type of functionality can be referred to as the multi-computer parallel architecture that runs on certain considerations. Nevertheless cloud computing came forth as a more illustrious programming model to handle large data sets using clusters. A programming modelis nothing but how data is carried out for handling the application. Performances, portability, objective architecture, sustainment of code are key measures that have to be commemorated while designing a programming model. Applications which are meant for data analytics generally deal with large data sets that undergo several stages of processing. Some of these stages are performed consecutively, and the others are carried out in parallel on clusters, grids, and cloud. This paper portrays a survey on how programming models which are developed for cluster cloud and grid act as a support for big data analytics. In addition, study on programming models which are currently being employed by leading multinational companies are pictured in the paper.