Tremendous and potentially infinite

Tremendous and potentially infinite volumes of data streams are often generated by real-time surveillance systems, communication networks, Internet traffic, on-line trans- actions in the financial market or retail industry, electric power grids, industry pro- duction processes, scientific and engineering experiments, remote sensors, and other dynamic environments. Unlike traditional data sets, stream data flow in and out of a computer system continuously and with varying update rates. They are temporally ordered, fast changing, massive, and potentially infinite. It may be impossible to store an entire data stream or to scan through it multiple times due to its tremendous volume. More- over, stream data tend to be of a rather low level of abstraction, whereas most analysts are interested in relatively high-level dynamic changes, such as trends and deviations. To discover knowledge or patterns from data streams, it is necessary to develop single-scan, on-line, multilevel, multidimensional stream processing and analysis methods.
Such single-scan, on-line data analysis methodology should not be confined to only stream data. It is also critically important for processing nonstream data that are mas- sive. With data volumes mounting by terabytes or even petabytes, stream data nicely capture our data processing needs of today: even when the complete set of data is col- lected and can be stored in massive data storage devices, single scan (as in data stream systems) instead of random access (as in database systems) may still be the most realistic processing mode, because it is often too expensive to scan such a data set multiple times.
In this section, we introduce several on-line stream data analysis and mining methods. Section 8.1.1 introduces the basic methodologies for stream data processing and query- ing. Multidimensional analysis of stream data, encompassing stream data cubes and multiple granularities of time, is described in Section 8.1.2. Frequent-pattern mining and classification are presented in Sections 8.1.3 and 8.1.4, respectively. The clustering of dynamically evolving data streams is addressed in Section 8.1.5.

Results (Thai) 1:

ปริมาณมากและไม่มีที่สิ้นสุดอาจมีกระแสข้อมูลที่มักจะถูกสร้างโดยระบบเรียลไทม์การเฝ้าระวังเครือข่ายการสื่อสารการจราจรอินเทอร์เน็ตบนสายทรานส์การดำเนินการในตลาดการเงินหรืออุตสาหกรรมค้าปลีกกริดพลังงานไฟฟ้าอุตสาหกรรมกระบวนการโปร duction ทางวิทยาศาสตร์และ ทดลองวิศวกรรมเซ็นเซอร์ระยะไกลและสภาพแวดล้อมแบบไดนามิกอื่น ๆ ซึ่งแตกต่างจากชุดข้อมูลแบบดั้งเดิมกระแสข้อมูลที่ไหลเข้าและออกของระบบคอมพิวเตอร์อย่างต่อเนื่องและมีอัตราการปรับปรุงที่แตกต่างกัน พวกเขาจะได้รับคำสั่งชั่วคราวการเปลี่ยนแปลงอย่างรวดเร็วมากและไม่มีที่สิ้นสุดอาจ มันอาจจะเป็นไปไม่ได้ที่จะเก็บกระแสข้อมูลทั้งหมดหรือการสแกนผ่านมันหลายครั้งเนื่องจากปริมาณมหาศาลของ มากขึ้นกว่ากระแสข้อมูลมีแนวโน้มที่จะมีระดับที่ค่อนข้างต่ำของนามธรรมในขณะที่นักวิเคราะห์ส่วนใหญ่มีความสนใจในการเปลี่ยนแปลงแบบไดนามิกในระดับสูงค่อนข้างเช่นแนวโน้มและการเบี่ยงเบน การค้นพบความรู้หรือรูปแบบจากกระแสข้อมูลที่มีความจำเป็นในการพัฒนาเดียวสแกนบนบรรทัดหลายระดับการประมวลผลกระแสหลายมิติและการวิเคราะห์วิธี.
เช่นเดียวสแกนในบรรทัดวิธีการวิเคราะห์ข้อมูลไม่ควรที่จะถูกคุมขังไปยังกระแสเพียง ข้อมูลมันยังเป็นความสำคัญอย่างยิ่งสำหรับการประมวลผลข้อมูลที่มี nonstream Mas-sive ด้วยปริมาณข้อมูลในการติดตั้งโดยเทราไบต์หรือแม้กระทั่ง petabytes ข้อมูลกระแสอย่างจับความต้องการการประมวลผลข้อมูลของเราในวันนี้ถึงแม้ชุดที่สมบูรณ์ของข้อมูลเป็นเทือกเขาที่เลือกไว้และสามารถเก็บไว้ในอุปกรณ์จัดเก็บข้อมูลขนาดใหญ่สแกนเดียว (ในขณะที่ระบบกระแสข้อมูล) แทนการเข้าถึงแบบสุ่ม (เช่นในระบบฐานข้อมูล) อาจจะยังโหมดการประมวลผลที่เหมือนจริงมากที่สุดเพราะมันมักจะมีราคาแพงเกินไปที่จะสแกนข้อมูลดังกล่าวตั้งหลายครั้ง.
ในส่วนนี้เราแนะนำ หลายการวิเคราะห์ข้อมูลบนสายที่กระแสการทำเหมืองแร่และวิธีการ ส่วน 8.1.1 แนะนำวิธีการขั้นพื้นฐานสำหรับการประมวลผลข้อมูลและแบบสอบถามกระแสไอเอ็นจีการวิเคราะห์หลายมิติของข้อมูลกระแสครอบคลุมก้อนข้อมูลกระแสและหลาย granularities เวลาอธิบายไว้ในส่วน 8.1.2 การทำเหมืองรูปแบบบ่อยและการจัดหมวดหมู่จะถูกนำเสนอในส่วน 8.1.3 และ 8.1.4 ตามลำดับ การจัดกลุ่มแบบไดนามิกของการพัฒนากระแสข้อมูลที่มีการแก้ไขในส่วน 8.1.5.

Results (Thai) 2:

ปริมาณข้อมูลมหาศาล และอนันต์อาจมักสร้างขึ้น โดยระบบเฝ้าระวังแบบเรียลไทม์ เครือข่ายสื่อสาร วุ่นวาย ง่ายดายดำเนินการธุรกรรมในตลาดการเงิน หรืออุตสาหกรรมขายปลีก กริดไฟฟ้า อุตสาหกรรม pro duction กระบวน การทดลองทางวิทยาศาสตร์ และวิศวกรรม เซ็นเซอร์ระยะไกล และอื่น ๆ สภาพแวดล้อมแบบไดนามิก ซึ่งแตกต่างจากชุดข้อมูลดั้งเดิม กระแสข้อมูลไหลเข้าและออก จากระบบคอมพิวเตอร์อย่างต่อเนื่อง และปรับปรุงราคาแตกต่างกัน มี temporally สั่ง อย่างรวดเร็วเปลี่ยน ขนาดใหญ่ และอาจไม่ มันอาจจะไม่เก็บการกระแสข้อมูลทั้งหมด หรือ สามารถสแกนผ่านได้หลายครั้งเนื่องจากปริมาณมหาศาล เพิ่มเติมเหนือ กระแสข้อมูลมักจะ เป็นระดับค่อนข้างต่ำของ abstraction ในขณะที่นักวิเคราะห์ส่วนใหญ่มีความสนใจในระดับสูงค่อนข้างเปลี่ยนไดนามิก แนวโน้มและความแตกต่าง การค้นพบความรู้หรือรูปแบบจากข้อมูล จำเป็นต้องพัฒนากระแส แกนเดียว ง่ายดาย หลาย มิติการประมวลผลและวิเคราะห์วิธีการ
ไม่ควรจำกัดวิธีการวิเคราะห์ข้อมูลการส แกนเดียว ง่ายดายเช่นการส่งกระแสข้อมูลข้อมูลเท่า นั้น ก็ยังเหลือที่สำคัญสำหรับการประมวลผลข้อมูล nonstream ที่มาส sive ด้วยปริมาณข้อมูลที่ติดตั้ง โดยไบต์หรือแม้ petabytes กระแสดีเก็บข้อมูลความต้องการประมวลผลข้อมูลของวันนี้: แม้ชุดสมบูรณ์ของข้อมูลเป็นคอลัมน์ lected และสามารถเก็บไว้ในอุปกรณ์จัดเก็บข้อมูลขนาดใหญ่ แกนเดียว (ในระบบกระแสข้อมูล) แทนการเข้าถึงแบบสุ่ม (ในระบบ) อาจยังมีโหมดการประมวลผลเป็นจริงมากที่สุด เนื่องจากมันมักจะแพงเกินไปเช่นชุดข้อมูลแกนหลายครั้งได้
ในส่วนนี้ เราแนะนำวิเคราะห์ข้อมูลกระแสข้อมูลง่ายดายและวิธีการทำเหมืองแร่หลาย ส่วน 8.1.1 แนะนำวิธีพื้นฐานสำหรับกระแสข้อมูลประมวลผลข้อมูลและแบบสอบถาม-ไอเอ็นจี วิเคราะห์มิติของกระแสข้อมูล อัพสตรีมข้อมูล cube และ granularities หลายเวลา อธิบายไว้ในหัวข้อ 8.1.2 ทำเหมืองแร่รูปแบบเสียงและจัดประเภทจะแสดงในส่วน 8.1.3 และ 8.1.4 ตามลำดับ คลัสเตอร์ของการพัฒนาข้อมูลแบบไดนามิกจะอยู่ในส่วน 8.1.5.

Results (Thai) 3:

ใหญ่หลวงและอาจทำให้เกิดความเสียหายแบบไม่มีขอบเขตมีปริมาณของสตรีมข้อมูลจะถูกสร้างขึ้นโดยการใช้งานด้านการตรวจจับแบบ real - time มักระบบเครือข่ายการสื่อสารข้อมูลอินเทอร์เน็ตบน - สายข้ามการดำเนินการในธุรกิจค้าปลีกหรือตลาดการเงินที่ใช้พลังงานไฟฟ้าระบบอุตสาหกรรม Pro - duction กระบวนการทางวิทยาศาสตร์และวิศวกรรมการทดลองเซนเซอร์รีโมทคอนโทรลและ สภาพแวดล้อม อื่นๆแบบไดนามิก ไม่เหมือนกับชุดข้อมูลแบบดั้งเดิมการไหลของข้อมูลสตรีมในและนอกระบบคอมพิวเตอร์อย่างต่อเนื่องและพร้อมด้วยอัตราค่าบริการการปรับปรุงกัน. ห้องพักมีการเปลี่ยนแปลงอย่างรวดเร็วในทางอาณาจักรสั่งซื้อจำนวนมากและอาจทำให้เกิดความเสียหายแบบไม่มีขอบเขต อาจเป็นไปไม่ได้เลยที่จะจัดเก็บข้อมูลทั้งหมดที่สตรีมหรือเพื่อสแกนผ่านไปได้หลายครั้งเนื่องจากมีปริมาณเพิ่มขึ้นอย่างมหาศาลของมัน มากกว่า - มากกว่าข้อมูลสตรีมมีแนวโน้มที่จะอยู่ในระดับค่อนข้างต่ำซึ่งเรื่องของนามธรรมในขณะที่นักวิเคราะห์ส่วนใหญ่ค่อนข้างมีความสนใจในระดับสูงการเปลี่ยนแปลงแบบไดนามิกเช่นตัวแปรและแนวโน้ม เพื่อการสำรวจหรือรูปแบบความรู้จากสตรีมข้อมูลมีความจำเป็นในการพัฒนาแบบ Single - สแกนบน - สายกันหลายชั้นวิธีการสตรีมการประมวลผลและการวิเคราะห์ประเด็น.
ระเบียบวิธีการวิเคราะห์ข้อมูลในแบบเส้นเดี่ยว - สแกนดังกล่าวไม่ควรจะถูกลักพาตัวไปยังสตรีมข้อมูลเท่านั้นนอกจากนั้นยังคิดที่สำคัญสำหรับการประมวลผลข้อมูล nonstream ที่มีครับเจ้านาย - sive ด้วยปริมาณข้อมูลการติดตั้งโดยเทอราไบต์หรือแม้แต่เพตะไบต์ของความจุข้อมูลสตรีมอย่างสวยงามถ่าย ภาพ ทุกการประมวลผลข้อมูลของเราในวันนี้คือเมื่อตั้งค่าให้เสร็จสมบูรณ์ของข้อมูลเป็นที่ราบ - lected และสามารถจัดเก็บไว้ในอุปกรณ์การจัดเก็บข้อมูลจำนวนมากการสแกนครั้งเดียว(เช่นในระบบข้อมูลสตรีม)แทนการเข้าถึงแบบสุ่ม(ดังเช่นในระบบฐานข้อมูล)อาจมีโหมดการประมวลผลมากที่สุดเพราะความเป็นจริงที่จะเป็นราคาที่สูงเกินกว่าจะสแกนข้อมูลเช่นตั้งค่าหลายครั้ง.
ในส่วนนี้เราจะแนะนำวิธีการสตรีมข้อมูลการวิเคราะห์และการทำเหมืองแร่ในหลายสายยังคงอยู่ ส่วน 8.1.1 แนะนำแนวขั้นพื้นฐานที่จำเป็นสำหรับการประมวลผลข้อมูลสตรีมและสืบค้น - ไอเอ็นจีประกันชีวิตการวิเคราะห์ประเด็นของสตรีมข้อมูลโอบล้อมก้อนสตรีมข้อมูลและ granularities หลายครั้งได้อธิบายไว้ในหัวข้อ 8.1.2 การจัด ประเภท และการทำเหมืองแร่เป็นประจำ - รูปแบบจัดแสดงในส่วน 8.1.3 และ 8.1.4 ตามลำดับ ระบบคลัสเตอร์แบบไดนามิกของการพัฒนาสตรีมข้อมูลจะถูกส่งในส่วน 8.1.5 .