Analisando Sistemas Analíticos Espaciais Baseados em Hadoop e Spark: Uma Perspectiva de Usuário (2019)
- Authors:
- Autor USP: CASTRO, JOÃO PEDRO DE CARVALHO - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/D.55.2020.tde-04022020-122924
- Subjects: FRAMEWORKS; PROGRAMAÇÃO PARALELA; GERENCIADORES DE BANCO DE DADOS; RECUPERAÇÃO DA INFORMAÇÃO; BIG DATA
- Keywords: Big spatial data; Comparação centrada no usuário; Hadoop; Hadoop; Sistemas analíticos espaciais; Spark; Spark; Spatial analytics systems; User-centric comparison
- Agências de fomento:
- Language: Português
- Abstract: Sistemas Analíticos Espaciais (SAEs) representam uma nova tecnologia capaz de gerenciar um grande volume de dados espaciais por meio da utilização de frameworks de processamento paralelo e distribuído de dados, tais como o Hadoop e o Spark. Um número crescente de SAEs tem sido proposto na literatura, fato que evidencia a necessidade de se realizar análises comparativas entre esses sistemas. No entanto, as comparações disponíveis no estado da arte fornecem apenas uma visão centrada no desempenho dos SAEs. Ou seja, no melhor do conhecimento do autor do presente trabalho, não existem abordagens na literatura que realizem comparações entre SAEs com base em uma visão centrada no usuário, ou seja, comparações que visam ajudar os usuários a entender como as características dos SAEs são úteis para atender aos requisitos específicos de suas aplicações espaciais. No presente trabalho, essa lacuna na literatura é preenchida. Uma comparação dos seguintes SAEs baseados em Hadoop e Spark é fornecida, utilizando como base a perspectiva de seus usuários: Hadoop-GIS, SpatialHadoop, SpatialSpark, GeoSpark, GeoMesa Spark, SIMBA, LocationSpark, STARK, Magellan, SparkGIS e Elcano. Essa comparação é realizada de acordo com um amplo conjunto de critérios relacionados às características gerais desses sistemas, aos aspectos de manipulação de dados espaciais e aos aspectos inerentes ao ambiente distribuído. Com base nessa comparação, um conjunto de diretrizes é introduzido a fim de ajudar os usuáriosno processo de escolha de um SAE apropriado. Dois estudos de caso baseados em aplicações do mundo real também são descritos para ilustrar a aplicabilidade dessas diretrizes. Por fim, também são realizadas discussões sobre tendências cronológicas relacionadas aos SAEs e sobre as limitações que esses sistemas devem suprir a fim de aprimorar a experiência do usuário.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
- Data da defesa: 01.11.2019
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
CASTRO, João Pedro de Carvalho. Analisando Sistemas Analíticos Espaciais Baseados em Hadoop e Spark: Uma Perspectiva de Usuário. 2019. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-04022020-122924/. Acesso em: 04 out. 2024. -
APA
Castro, J. P. de C. (2019). Analisando Sistemas Analíticos Espaciais Baseados em Hadoop e Spark: Uma Perspectiva de Usuário (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-04022020-122924/ -
NLM
Castro JP de C. Analisando Sistemas Analíticos Espaciais Baseados em Hadoop e Spark: Uma Perspectiva de Usuário [Internet]. 2019 ;[citado 2024 out. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-04022020-122924/ -
Vancouver
Castro JP de C. Analisando Sistemas Analíticos Espaciais Baseados em Hadoop e Spark: Uma Perspectiva de Usuário [Internet]. 2019 ;[citado 2024 out. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-04022020-122924/ - Analyzing spatial analytics systems based on Hadoop and Spark: a user perspective
- Big data architectures for FAIR-compliant repositories: a systematic review
- Exploring architectural solutions for implementing the FAIR principles in big data environments
- Combining fog and cloud computing to support spatial analytics in smart cities
- FAIR principles and big data: a software reference architecture for open science
- Open science in the cloud: the CloudFAIR architecture for FAIR-compliant repositories
- SOLAP query processing over IoT networks in smart cities: a novel architecture
Informações sobre o DOI: 10.11606/D.55.2020.tde-04022020-122924 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas