Objectifs du projet

Le projet a trait au stockage réparti des données dans un contexte décisionnel.

On s’intéresse à l'amélioration des performances des systèmes décisionnels en utilisant les opportunités du traitement parallèle lié au modèle SDDS (Scalable Distributed Data Structure).

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. Ce dernier point (l'augmentation de la taille des données) est une des caractéristiques importantes de l’entrepôt de données sur lesquels des requêtes complexes sont formulées pour des besoins décisionnels.

Nous étudions à travers ce projet, les avantages qui pourraient découler de l'utilisation des SDDS comme système de stockage pour des environnements décisionnels.

Scientifique

Publication d’un article résumant l’ensemble du projet

Publication d’un article par doctorant

organisation d'un séminaire

Secteur développement

L’un des objectifs de notre travail est de fournir des bibliothèques d’opérations capables de traiter efficacement des volumes importants de données à des fins d’analyse décisionnelle.

Références bibliographiques

1- 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

2- 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.

3- 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 .

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

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

6. 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.

7. 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.

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

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

10. 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

11. An actor like data model for a parallel DBMS ( Avec W.K Hidouci). Journal of Digital Management Vol6. Issue3. June2008.

Formation

Doctorants : au moins 2

Magister : au moins 2

Ingénieurs : plusieurs

Collaboration étrangère

Professeur WITOLD LITWIN (Laboratoire CERIA)Université Paris Dauphine

Professeur GERARD LEVY (Laboratoire CERIA)Université Paris Dauphine

Professeur Omar Boussaid (Université Lyon2)

Collaboration nationale

ARIDJ MOHAMMED ( Université de Chlef )

équipe

D.E ZEGOUR, Professeur

W.K HIDOUCI, Maître de conférences A

S. BENKRID, Maître assistante B

R. BOUCHAKRI, Maître assistante B

N. LOUNES, Maître assistante A

Programme de recherche

La définition et réalisation d’un entrepôt à base de SDDS

Représentation des données sous diverses formes (SDDS) adaptables aux requêtes

Traitement des requêtes

Alimentation de l’entrepôt

Utilisation des structures de données réparties dans l'amélioration des requêtes décisionnelles

Echéancier

1ère année :

- étude bibliographique sur les entrepôts de données

- Etude sur les systèmes décisionnels

- étude des Structures de données distribuées et scalables

2ème année :

- Proposition de plusieurs modèles de représentations de données avec les classes de requêtes adaptées.

- Implémentation des modèles proposés.

- Mise en place de la plateforme du système

3ème année :

- Evaluation des performances des systèmes décisionnels.

- Améliorations des performances