抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
大規模データとクラウドコンピューティング背景の下でのデータの爆発は,大きいデータ管理技術と基礎となる貯蔵システムの性能に関するより高い改良を必要とする。非構造化データの割合の増加により,NoSQL管理は急速に発展し,特にキー値ストアシステムが急速に発展している。キー値ストアは,大規模データのための効率的データインデクシングを確立することができて,データをキー値ペアとして組織化して,そこでキーはデータの唯一の識別子であり,値はモデル方式を必要としないデータコンテンツであった。キー値ストアは,様々なストレージシステム,すなわち,ハードディスクドライブ(HDD),フラッシュメモリベースの固体状態ディスク(SSDs)またはハイブリッドシステム上に構築することができる。通常,HDDsの性能は機械的アクセス特性によって制限され,ランダムと逐次I/Os間の待ち時間の比率は1000:1である。対照的に,SSDsは,高いランダムおよび逐次性能と高い同時性を提供することができる。しかし,SSDsのいくつかの固有の特性の注意深い取り扱いが要求されている。すなわち,場所外の更新とフラッシュの限られた寿命である。HDDベース,SSDベースおよびハイブリッドキー値ストアは,基礎となる記憶装置の固有の特性を扱うために異なる最適化技術を提案した。本論文において,著者らは,キー値ストア[29]のいくつかの広く参照された研究作業をレビューして,メモリインデックスオーバヘッド低減[30]とルックアップ性能改良に関する技術を強調した。また,それらは純粋なキー値ストアではないが,フラッシュベースの記憶システムにおけるメモリ内インデックス設計をいくつか提示する。さらに,これらの研究作業の利点,欠点,および展望についても提示して議論した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】
