Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

BucDoop: Bottom Up Computation of Iceberg Data Cubeswith Hadoop

Tsakonas Konstantinos

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/D69AC56A-8C7C-4B1D-B939-028196AFD721-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.21971-
Γλώσσαen-
Μέγεθος1.9 megabytesen
ΤίτλοςBucDoop: Bottom Up Computation of Iceberg Data Cubes with Hadoopen
ΔημιουργόςTsakonas Konstantinosen
ΔημιουργόςΤσακωνας Κωνσταντινοςel
Συντελεστής [Επιβλέπων Καθηγητής]Deligiannakis Antoniosen
Συντελεστής [Επιβλέπων Καθηγητής]Δεληγιαννακης Αντωνιοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Garofalakis Minosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Γαροφαλακης Μινωςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Christodoulakis Stavrosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Χριστοδουλακης Σταυροςel
ΕκδότηςΠολυτεχνείο Κρήτηςel
ΕκδότηςTechnical University of Creteel
Ακαδημαϊκή ΜονάδαTechnical University of Crete::School of Electronic and Computer Engineeringen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστώνel
ΠεριγραφήBucDoop: Bottom Up Computation of Iceberg Data Cubes With Hadoop en
ΠερίληψηBig Data analysis has been a key matter during the recent years for the study of various phenomena in various science contexts as well as in business intelligence. Furthermore it appears for good reason to remain in focus for the future. Online Analytical processing methods and Data Cubes need to be further studied in order to reduce time used for efficient data analysis. This study introduces BucDoop, a novel algorithm that exploits the parallelism benefits of Hadoop Map Reduce, for the efficient iceberg data cube creation in reasonable time. BucDoop includes the use of the Bottom Up Computation (BUC) idea in the context of iceberg cube data lattice traversal, managing to reduce the amount of data handled with early pruning architecture and producing the portion of the cube needed for analysis purposes (iceberg problem). Experiments conducted herein present an efficient scalability factor for the creation of the iceberg cube for very big data, by-passing the data explosion and memory constraints problem while using only commodity hardware. en
ΤύποςΜεταπτυχιακή Διατριβήel
ΤύποςMaster Thesisen
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by/4.0/en
Ημερομηνία2014-09-26-
Ημερομηνία Δημοσίευσης2014-
Θεματική ΚατηγορίαAlgorithmic knowledge discoveryen
Θεματική ΚατηγορίαFactual data analysisen
Θεματική ΚατηγορίαKDD (Information retrieval)en
Θεματική ΚατηγορίαKnowledge discovery in dataen
Θεματική ΚατηγορίαKnowledge discovery in databasesen
Θεματική ΚατηγορίαMining, Dataen
Θεματική Κατηγορίαdata miningen
Θεματική Κατηγορίαalgorithmic knowledge discoveryen
Θεματική Κατηγορίαfactual data analysisen
Θεματική Κατηγορίαkdd information retrievalen
Θεματική Κατηγορίαknowledge discovery in dataen
Θεματική Κατηγορίαknowledge discovery in databasesen
Θεματική Κατηγορίαmining dataen
Θεματική ΚατηγορίαOnline Analytical Processing technologyen
Θεματική Κατηγορίαolap technologyen
Θεματική Κατηγορίαonline analytical processing technologyen
Θεματική ΚατηγορίαMap reduceen
Θεματική ΚατηγορίαHadoopen
Θεματική ΚατηγορίαBottom Up Computationen
Θεματική ΚατηγορίαData aggregationen
Θεματική Κατηγορίαen
Θεματική ΚατηγορίαIceberg cubeen
Θεματική ΚατηγορίαData cubeen
Βιβλιογραφική ΑναφοράKonstantinos Tsakonas, "BucDoop: Bottom Up Computation of Iceberg Data Cubes with Hadoop", Master Thesis, School of Electronic and Computer Engineering, Technical University of Crete, Chania, Greece, 2014en
Βιβλιογραφική ΑναφοράΚωνσταντίνος Τσάκωνας, "BucDoop: Bottom Up Computation of Iceberg Data Cubes with Hadoop", Μεταπτυχιακή Διατριβή, Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2014el

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά