آقای محمد قلمبر دزفولی دانشجوی دکترای جناب آقای دکتر مصطفی حق جو روز سه شنبه مورخ 03/10/92 ساعت 13 در اتاق دفاعیه واقع در طبقه دوم دانشکده مهندسی کامپیوتر از رساله دکترای خود تحت عنوان مدیریت جریان داده های احتمالی با قابلیت کاهش بار دفاع خواهند نمود .

  چکیده پایان نامه:

  نیاز به اجرای پرس ­ وجوی پیوسته روی جریان داده­های احتمالاتی، سیستم پردازش داده جدیدی را طلب می­کند که برای پردازش توأم داده­های جریانی و احتمالاتی طراحی شده باشد. ­ مهم­ترین خاستگاه چنین سیستمی،نظارت پیوسته و بلادرنگ بر دنیای غیرقطعیواقعیاست. هدف اول در این رساله، طراحی و تولید یکسیستم­ مدیریت جریان­داده­ی احتمالاتی [1] ( PDSMS ) جدید است. برای این منظور، پس از بررسی دقیق نیازمندی­ها و سیستم­های مشابه، مدل داده، مدل پرس­­وجو و مدل معنایی جدیدی ارائه شده و نمونه­ آزمایشگاهی چنین سیستمی پیاده­سازی و مورد ارزیابی قرار گرفته است.

  هدف دوم در این رساله، ایجاد رویکردی مناسب برای کاهش بار در PDSMS است. در تولید یک PDSMS ، چالش­های فراوانی وجود دارد که از مهم­ترین و ضروری­ترین این چالش­ها بهره­مندی از یک ابزار کاهش­ بار است. کاهنده­­ی بار امکان آزادکردن اضطراری منابع سیستم را در مواردی که بار پردازشیبیش از ظرفیت سیستم باشد، فراهم می­آورد. این کار باید طوری انجام شود که حداقل افت کیفیت در خروجی ایجاد گردد و صحت جواب­ها نیز تأمین شود. به دلیل ساختار پیچیده­داده­ها و عملیات در PDSMS و ماهیت بلادرنگ آن، طراحی یک سیستم کاهش بار مؤثر و قابل قبول دشوار می­باشد. در این رساله روشی جدید با نام کاهش بار فدرالی ارائه کرده­ایم که تمام توقعات موجود را به خوبی برآورده می­سازد. روش کاهش بار فدرالی پیشنهادی، کاهش بار را به صورت توزیع شده، تخصصی و در سطح عملگرهای پرس­وجو انجام می­دهد. مهم­ترین امتیاز روش جدید، کاهش بار کاراو تولید جواب­های با کیفیت ضمانت شده است.

  واژه‌های کلیدی: کاهش بار، سیستم مدیریت جریان داده احتمالاتی، مدل معنایی احتمالاتی

  [1] Probabilistic Data Stream Management System

  Abstract:

  Many emerging applications need continuous querying over uncertain event streams, mostly for online monitoring. These streaming uncertain events may come from radars, sensors, or even software hooks. The uncertainty is usually due to measurement errors, inherent ambiguities and privacy preserving reasons. To cover new requirements, we have designed and implemented a new system called Probabilistic Data Stream Management System (PDSMS). Our first contribution is developing a new system to continuously run monitoring queries on probabilistic data streams with a satisfactory fast speed, while being faithful to correlations and uncertainty aspects of data. We designed a new data model, semantics, cost model, and service level aggrement for probabilistic data streams. Our new semantics is the first semantics for PDSMS which supports continuous probability distributions. We also presented new query model to implement threshold SPJ queries. In addition and most importantly, we have built a java-based prototype, called Xtream. Xtream supports uncertainty from input data streams to final query results. Unlike probabilistic databases, the data-driven design of Xtream makes it possible to continuously query high-volumes of bursty probabilistic data streams. Our experiments demonstrate how Xtream outperforms a probabilistic database management system w.r.t. efficiency metrics such as response time as well as accuracy. These are critical metricsfor a PDSMS.

  One of the most important challenges toward designing a robust PDSMS is dealing with overloads. PDSMS is inherently a realtime system which should deal with overloads. Overloads occur due to bursty, unpredictable input streams. Probabilistic data and queries, in addition to required gurantees on final results, make this problem a real challenge for PDSMSs. Our second contribution is developing the first load shedding mechanism for PDSMS. We call it Federational Load Shedding (FLS). Unlike other load shedding mechanisms, FLS is able to precisely show the effect of load shedding on final results. In fact, it uses a tolerating but valid guarantee. As a result, even after a load shedding, user knows exactly which part of the result is lost. Nevertheless, he receives the most valuable part of the result. FLS achieves this goal by distributing load shedding among query operators. Operator-based load shedding makes it possible to have a wiseful process and prepare new guarantees. FLS is also more efficient than other possible alternatives. It can increase the utility of query results by a factor of two at least. In addition, it brings real robustness to our PDSMS. Thus, even high bursty input streams cannot cause a system crash.

  Keywords: PDSMS, Probabilistic Data Stream, WD-PWS, Load Shedding

  ارائه­دهنده:

محمد قلمبر دزفولی

  MGhalambor@iust.ac.ir

  استاد راهنما:

  دکتر مصطفی حق جو 

  هیات داوران:

  دکتر رسول جلیلی- دکتر احمد عبداله زاده-دکتر محسن شریفی

  دکتر بهروز مینایی- دکتر محمد عبدالهی

  زمان : سه شنبه 3  دیماه 1392 

  ساعت 13

 مکان: دانشکده مهندسی کامپیوتر- طبقه دوم- اتاق دفاعیه

  از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی