چالش هاي حوزه کلان داده در دنيا و در كشور ايران: تفاوت میان نسخهها
پرش به ناوبری
پرش به جستجو
جزبدون خلاصۀ ویرایش |
بدون خلاصۀ ویرایش |
||
خط ۱: | خط ۱: | ||
= چالش های فنی = | |||
* پایگاه داده های قدیمی و رابطه ای پاسخگوی نیازهای داده های عظیم نیستند | |||
**کند بودن دسترسی به داده ها | |||
**سربارهای پایگاه داده های رابطه ای | |||
* جمع آوری داده های عظیم | |||
* پردازش داده های عظیم | |||
* به واسطه ظهور داده های عظیم الگوی ترافیک شبکه ها در حال تغییر است: | |||
**الگوهایی مانند ترافیک های انفجاری در حال افزایش ااست | |||
** نیاز به تجهیزات مقتضی برای زیرساخت ارتباطی | |||
** نیاز به مدیریت پویا تر شبکه (مانند ساختار های SDN) | |||
** بهینه سازی ترافیک داده | |||
* کاستی ابزاری در داده های عظیم: | |||
**ابزارهای موجود مانند هادوپ، در عین اینکه استفاده زیادی دارند، دارای مشکلات فراوانی نیز هستند، برای مثال دربرخی موارد مانند سرعت پردازش کارآمدی لازم را ندارند | |||
** ابزارهای موجود برای کارایی لازم را برای تمامی امور ندارند | |||
* برقراری امنیت با توجه به حجم زیاد داده ها | |||
= چالش های سطح بالاتر و مدیریتی = | |||
* مشخص نبودن میزان نسبی آمادگی کشور در مواجهه با پدیده داده های عظیم | * مشخص نبودن میزان نسبی آمادگی کشور در مواجهه با پدیده داده های عظیم | ||
* برنامه ریزی و اجرای آن برای مواجهه با داده ای عظیم | * برنامه ریزی و اجرای آن برای مواجهه با داده ای عظیم | ||
خط ۴: | خط ۲۱: | ||
* استفاده از شبکه های اجتماعی و داده های عظیم تولید شده در آن برای تجارت | * استفاده از شبکه های اجتماعی و داده های عظیم تولید شده در آن برای تجارت | ||
* سرمایه گذاری کلان در بخش داده های عظیم و جذب سرمایه | * سرمایه گذاری کلان در بخش داده های عظیم و جذب سرمایه | ||
* در فضایی که داده های عظیم مطرح می شود، شرکت ها چگونه باید با آن برخورد کنند | * در فضایی که داده های عظیم مطرح می شود، شرکت ها چگونه باید با آن برخورد کنند | ||
* تولید حجم زیاد داده در کشورها در حالی که بسیاری هنوز آمادگی و دانش مدیریت آن را ندارند | * تولید حجم زیاد داده در کشورها در حالی که بسیاری هنوز آمادگی و دانش مدیریت آن را ندارند | ||
خط ۱۶: | خط ۲۹: | ||
**ارزش واقعی داده های عظیم درک نشده و لذا برنامه ای برای بهره برداری و استفاده از آن وجود ندارد | **ارزش واقعی داده های عظیم درک نشده و لذا برنامه ای برای بهره برداری و استفاده از آن وجود ندارد | ||
* الگوی مشخصی از تولید و استفاده کلان داده وجود ندارد | * الگوی مشخصی از تولید و استفاده کلان داده وجود ندارد | ||
* تأمین هزینه: | * تأمین هزینه: | ||
** هزینه بالای نیروی انسانی متخصص و تجهیزات | ** هزینه بالای نیروی انسانی متخصص و تجهیزات | ||
** مشکل جذب سرمایه گذار | ** مشکل جذب سرمایه گذار | ||
نسخهٔ ۲ فوریهٔ ۲۰۱۵، ساعت ۰۱:۱۸
چالش های فنی
- پایگاه داده های قدیمی و رابطه ای پاسخگوی نیازهای داده های عظیم نیستند
- کند بودن دسترسی به داده ها
- سربارهای پایگاه داده های رابطه ای
- جمع آوری داده های عظیم
- پردازش داده های عظیم
- به واسطه ظهور داده های عظیم الگوی ترافیک شبکه ها در حال تغییر است:
- الگوهایی مانند ترافیک های انفجاری در حال افزایش ااست
- نیاز به تجهیزات مقتضی برای زیرساخت ارتباطی
- نیاز به مدیریت پویا تر شبکه (مانند ساختار های SDN)
- بهینه سازی ترافیک داده
- کاستی ابزاری در داده های عظیم:
- ابزارهای موجود مانند هادوپ، در عین اینکه استفاده زیادی دارند، دارای مشکلات فراوانی نیز هستند، برای مثال دربرخی موارد مانند سرعت پردازش کارآمدی لازم را ندارند
- ابزارهای موجود برای کارایی لازم را برای تمامی امور ندارند
- برقراری امنیت با توجه به حجم زیاد داده ها
چالش های سطح بالاتر و مدیریتی
- مشخص نبودن میزان نسبی آمادگی کشور در مواجهه با پدیده داده های عظیم
- برنامه ریزی و اجرای آن برای مواجهه با داده ای عظیم
- نحوه پیاده سازی صحیح و هدفمند داده های عظیم در کمترین زمان ممکن در کشورهای در حال توسعه
- استفاده از شبکه های اجتماعی و داده های عظیم تولید شده در آن برای تجارت
- سرمایه گذاری کلان در بخش داده های عظیم و جذب سرمایه
- در فضایی که داده های عظیم مطرح می شود، شرکت ها چگونه باید با آن برخورد کنند
- تولید حجم زیاد داده در کشورها در حالی که بسیاری هنوز آمادگی و دانش مدیریت آن را ندارند
- کاربردهای داده های عظیم هنوز به درستی شناخته و استفاده نشده است
- داده ها در حال افزایش اند و به صورت داده های کلان تبدیل شده اند . استفاده از این داده ها می تواند مزایای فراوانی را در بر داشته باشد، اما:
- کمبود امکانات زیرساختی وجود دارد و ذخیره این داده ها به خودی خود یک مسئله قابل توج است
- هزینه بالای تحقبقات و تأمین زیرساخت های لازم برای داده های عظیم
- ارزش واقعی داده های عظیم درک نشده و لذا برنامه ای برای بهره برداری و استفاده از آن وجود ندارد
- الگوی مشخصی از تولید و استفاده کلان داده وجود ندارد
- تأمین هزینه:
- هزینه بالای نیروی انسانی متخصص و تجهیزات
- مشکل جذب سرمایه گذار