Présentation générale du projet

D3M : Distribution Dynamique de Données Multiformes

Proposé par Pr D.E Zegour & Pr W.K Hidouci

Objectifs du projet

Le projet a trait au stockage Multiforme de données.

 

Dans le précédent projet (D3P) nous nous sommes intéressés au stockage redondant de données selon plusieurs formes (données polymorphes) dans le but d’améliorer les performances des requêtes sur un entrepôt de données.

 

Dans le présent projet (D3M), nous aborderons l’aspect spécialisation du stockage. En effet, nous envisageons de nouvelles formes de stockage adaptées à différents domaines et selon le contexte : depuis les réseaux de capteurs, en passant par les entrepôts de données classiques jusqu’au Big Data.

 

On s’intéresse à l'amélioration des performances des systèmes de stockage en utilisant les opportunités

- de la distribution dynamique des données liée aux SDDS

(Scalable Distributed Data Structure)

- du traitement parallèle lié au clustering

- des structures de données multidimensionnelles

 

Le modèle SDDS est basé sur une distribution dynamique et équilibrée excluant  tous recours à un répertoire centralisé et offre de très hautes performances en dépit d’une  augmentation illimitée de données.

 

L’adaptation des SDDS aux données multidimensionnelles sur des modèles de clustering permet sans doute d’apporter une grande contribution au domaine du stockage des données

 

Nous proposons à travers ce projet des systèmes de stockage pour des contextes variés.

 

Scientifique

 -Publication d’un article résumant l’ensemble du projet

- Publication d’un article par doctorant

- organisation d'un séminaire

Secteur développement 

 :
fournir des bibliothèques d’opérations sur chaque structure de données proposée selon le contexte afin de traiter efficacement des volumes importants de données.

Références bibliographiques

1- Yuan Yu, Michael Isard, Dennis Fetterly, Mihai Budiu, Úlfar Erlingsson , Pradeep Kumar Gunda, Jon Currey. DryadLINQ: a system for general-purpose distributed data-parallel computing using a high-level language. Proceedings of  the 8th USENIX conference on Operating systems design and implementation USENIX Association Berkeley, CA, USA 2008 .

 2- Cyril Gavoille and David Peleg. Compact and localized distributed data structures. Distributed Computing Volume 16, Numbers 2-3, 2003.

 3. Litwin W., Sahri S., Implementing SD-SQL server: a Scalable Distributed Databse System, Int. workshop on Distributed Data and Structures, WDAS  Lausanne 2004.

 4. Litwin W., Sahri S., Schwarz T. Scalable command processing in SD-SQL server: a Scalable Distributed Database System, Int. workshop on Distributed Data and Structures, WDAS Santa Clara (CA), 2006.

 5. Sahri S., Concéption et implémentation d'un système de bases de données distribuées & scalables: SD-SQL Server, thèse de doctorat, Univ. Paris-Dauphine, Juin 2006.

 6. Zegour D.E., Scalable Distributed Compact Trie Hashing. Inform. Soft. Tech., Elsevier, 2004.

 7. W.K Hidouci & D.E Zegour, ACT21: a Parallel Main Memory Databases System. International Journal of Computing & Information Sciences.2006 

8. Towards a complete scalable distributed data structure ( Avec W.K Hidouci ) IJIS : international journal of information studies. pp182-191. ISSN 1911-6414 (Online)/ 2009 http://www.istudies.net/ojs/index.php/journal/article/view/49/55

 9. An actor like data model for a parallel DBMS  ( Avec W.K Hidouci).

Journal of Digital Management Vol6. Issue3. June2008.

 10. Doulkifli Boukraâ, Omar Boussaïd, Fadila Bentayeb, Djamel Eddine Zegour: A Layered Multidimensional Model of Complex Objects. CAiSE 2013: 498-513

11- Ladjel Bellatreche and Kamel Boukhalfa. An Evolutionary Approach to Schema Partitioning Selection in a Data Warehouse. Data Warehousing and Knowledge Discovery . Lecture Notes in Computer Science, 2005, Volume 3589/2005

 12- Pedro Furtado. Experimental evidence on partitioning in parallel data warehouses.  Proceedings of the 7th ACM international workshop on Data warehousing and OLAP .  New York 2004.

 13. Amina Madani, Omar Boussaid, Djamel Eddine Zegour:  Semi-structured Documents Mining: A Review and Comparison. KES 2013: 330-339

 14. K. Abid, A. Mebarki & W.K. Hidouci, Structures de données triangulaires à mémoire externe, Traitement et Analyse de l'Information : Méthodes et Applications – TAIMA'2013, Hammamet 13-18 Mai, 2013. (http://taima.arts-pi.org.tn/)

 15. Soumia Benkrid, Ladjel BELLATRECHE, Cuzzocrea Alfredo, Omniscience dans la Conception des Entrepôts de Données Parallèles sur un Cluster, 9èmes Journées Francophones sur les Entrepôts de Données et Analyse en Ligne (EDA 2013), edited by RNTI, 2013

16. O. Demigha, W.K. Hidouci, and T. Ahmed., On Energy Efficiency in Collaborative Target Tracking in Wireless Sensor Network: A Review, IEEE COMMUNICATIONS SURVEYS & TUTORIALS, Volume 15, Issue 3, 2013 pp 1210-1222.

Formation

Doctorants : au moins 2

Master : au moins 10

Ingénieurs : plusieurs

Collaboration étrangère

Professeur Omar Boussaid (Université Lyon2)

Professeur Soror Sakhri  (Laboratoire LIPAD )Université Paris 7

 

Collaboration nationale

ARIDJ MOHAMMED (   Université de Chlef )

équipe

D.E ZEGOUR, Professeur

W.K HIDOUCI, Professeur

S. BENKRID, Maître de conférences

N. MERABTINE, Doctorante

S. ZOUANA, Doctorant

 

Programme de recherche

 La Définition de structures de données pour

-  Les réseaux de capteurs

-  Les entrepôts de données

-  les Big Data

-  les images spatiales

- Etc.

 

Méthodologie

1-      Distribution des tâches en fonction des domaines investis

2-      Collaboration avec des équipes universitaires et industrielles, nationales et étrangères

3-      Elaboration de nouveaux modèles relatifs à la répartition des données

4-      Réalisation de plateformes de tests

5. Publication des résultats