Search academic texts

Information × Registration Number 2125U004991, Article popup.category Стаття, Опубліковано Title Development of a method of segmentation of data in developed systems of management of data bases (AI translated) popup.author Миргородський Андрій ВікторовичРоманюк Оксана ВолодимирівнаMyrhorodskyi Andrii ViktorovychRomaniuk Oksana Volodymyrivna popup.publication 30-12-2025 popup.source_user "Наукові праці Вінницького національного технічного університету" (Вінницький національний технічний університет) popup.source https://praci.vntu.edu.ua/index.php/praci/article/view/890 popup.publisher Вінницький національний технічний університет Description В статті розглянуто актуальну задачу підвищення ефективності роботи розподілених інформаційних систем шляхом використання методів сегментації (фрагментації) даних. Наголошено, що забезпечення балансу між доступністю, узгодженістю та швидкодією обробки запитів є одним із ключових завдань сучасних систем керування базами даних. Проаналізовано широкий спектр методів сегментації, включаючи діапазонну, хеш-, географічну, темпоральну сегментацію, мікро-шарди, сегментацію з урахуванням мережі та на основі знань. Для кожного підходу охарактеризовано принцип роботи, переваги та обмеження, а також специфіку застосування у різних сценаріях використання. На основі проведеної систематизації сформовано порівняльну таблицю, яка дозволяє оцінити методи за такими критеріями, як динамічність розподілу, адаптивність до змін, складність реалізації, апаратні вимоги та можливості локалізації даних. Запропоновано інтегральний критерій ефективності, що враховує динамічність розподілу, адаптивність, локалізацію та апаратні вимоги й дозволяє кількісно оцінити ефективність різних методів незалежно від їхньої концептуальної природи. Показано, що адаптивні методи забезпечують найкращі результати в умовах достатніх ресурсів, тоді як географічна сегментація та мережево орієнтовані підходи є більш ефективними у ресурсно обмежених середовищах. Проаналізовано вплив вагового коефіцієнта апаратних вимог на результат критерія, що дозволило сформувати рекомендації щодо вибору методу сегментації для різних інфраструктурних сценаріїв. Наукова новизна полягає у запропонованій інтегральній системі оцінювання ефективності методів сегментації даних, що поєднує показники динамічного розподілу, адаптивності, локалізації та апаратних вимог у єдиному нормалізованому критерії. Отримані результати становлять основу для подальших досліджень у напрямку розроблення універсальних адаптивних механізмів сегментації, інтеграції їх із сучасними моделями узгодженості даних та застосування алгоритмів машинного навчання для автоматичної класифікації сегментів. popup.nrat_date 2026-04-22 Close