{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2780547"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2780547","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Αρχιτεκτονική Οπτικής Ανάλυσης Υψηλής Κλίμακας σε Υπολογιστικό Νέφος","abstract":"Η ανάλυση δεδομένων με τεχνικές εξόρυξης δεδομένων και γνώσης, δεν παράγει πάντοτε αποτελέσματα αξιοποιήσιμα στη λήψη αποφάσεων. Αυτό είναι ιδιαίτερα σύνηθες στην περιοχή επεξεργασίας δεδομένων Υψηλής Κλίμακας όπου τα υπό ανάλυση δεδομένα μπορεί να χαρακτηρίζονται από υψηλό βαθμό πολυπλοκότητας, ετερογένεια και υψηλό ρυθμό μεταβλητότητας. Σε ένα τέτοιο περιβάλλον, εργαλεία Οπτικής Ανάλυσης (Visual Analytics) μπορεί να επιτρέψουν σε ειδικούς περιοχής ενδιαφέροντος και αναλυτές δεδομένων Υψηλής Κλίμακας να κατανοήσουν και να εξάγουν συμπεράσματα από σύνολα δεδομένων σε υποδομές υπολογιστικού νέφους. Σε αυτή τη περίπτωση οι άνθρωποι αποκτούν αναβαθμισμένο ρόλο αφού γίνονται μέτοχοι και στην ανάλυση των δεδομένων εκτός από την αξιολόγηση και αξιοποίηση τους κατά τη λήψη αποφάσεων. Η Οπτική Ανάλυση, επιτυγχάνεται με τη χρήση σύνθετων εργαλείων τα οποία προσφέρουν στους ανθρώπους μια διεπαφή από και προς τα δεδομένα διαμέσου της όρασης και της αλληλεπίδρασης αντίστοιχα. Στην ανάπτυξη συστημάτων Υψηλής Κλίμακας, η κλίμακα και η φύση των δεδομένων αναμφίβολα εγείρουν εμπόδια στην επίτευξη ικανοποιητικής απόκρισης των συστημάτων αυτών. Σε αυτή την εργασία, παρουσιάζεται μια αρχιτεκτονική λογισμικού η οποία επιχειρεί να επιτρέψει στους αναλυτές να χρησιμοποιήσουν εργαλεία οπτικής ανάλυσης διασυνδεδεμένα με το υπολογιστικό νέφος για ανάλυση δεδομένων Υψηλής Κλίμακας. Έχει γίνει εστίαση σε δεδομένα με χωρο-χρονικά γνωρίσματα και ιεραρχική δομή, αλλά η αρχιτεκτονική είναι επεκτάσιμη σε άλλες περιοχές ενδιαφέροντος. Οι κεντρικές σχεδιαστικές αρχές της αρχιτεκτονικής είναι: α) Διασύνδεση σε υπολογιστικό νέφος για επεξεργασία δεδομένων μέσω Apache Spark. β) Υποστήριξη διαδραστικού προγραμματισμού μέσω ενσωμάτωσης Apache Zeppelin. γ) Εύρυθμη λειτουργία συστήματος ανεξάρτητη από μεταβολές στη δομή και το περιεχόμενο των υπό επεξεργασία δεδομένων. Τέλος, μέσω ενός προχωρημένου πρωτοτύπου, εξετάζεται ένα παράδειγμα με δημόσια δεδομένα από το Ηνωμένο Βασίλειο και παρουσιάζεται η βιωσιμότητα και τα πλεονεκτήματα της προτεινόμενης αρχιτεκτονικής.","abstract_html":"Η ανάλυση δεδομένων με τεχνικές εξόρυξης δεδομένων και γνώσης, δεν παράγει πάντοτε αποτελέσματα αξιοποιήσιμα στη λήψη αποφάσεων. Αυτό είναι ιδιαίτερα σύνηθες στην περιοχή επεξεργασίας δεδομένων Υψηλής Κλίμακας όπου τα υπό ανάλυση δεδομένα μπορεί να χαρακτηρίζονται από υψηλό βαθμό πολυπλοκότητας, ετερογένεια και υψηλό ρυθμό μεταβλητότητας. Σε ένα τέτοιο περιβάλλον, εργαλεία Οπτικής Ανάλυσης (Visual Analytics) μπορεί να επιτρέψουν σε ειδικούς περιοχής ενδιαφέροντος και αναλυτές δεδομένων Υψηλής Κλίμακας να κατανοήσουν και να εξάγουν συμπεράσματα από σύνολα δεδομένων σε υποδομές υπολογιστικού νέφους. Σε αυτή τη περίπτωση οι άνθρωποι αποκτούν αναβαθμισμένο ρόλο αφού γίνονται μέτοχοι και στην ανάλυση των δεδομένων εκτός από την αξιολόγηση και αξιοποίηση τους κατά τη λήψη αποφάσεων. Η Οπτική Ανάλυση, επιτυγχάνεται με τη χρήση σύνθετων εργαλείων τα οποία προσφέρουν στους ανθρώπους μια διεπαφή από και προς τα δεδομένα διαμέσου της όρασης και της αλληλεπίδρασης αντίστοιχα. Στην ανάπτυξη συστημάτων Υψηλής Κλίμακας, η κλίμακα και η φύση των δεδομένων αναμφίβολα εγείρουν εμπόδια στην επίτευξη ικανοποιητικής απόκρισης των συστημάτων αυτών. Σε αυτή την εργασία, παρουσιάζεται μια αρχιτεκτονική λογισμικού η οποία επιχειρεί να επιτρέψει στους αναλυτές να χρησιμοποιήσουν εργαλεία οπτικής ανάλυσης διασυνδεδεμένα με το υπολογιστικό νέφος για ανάλυση δεδομένων Υψηλής Κλίμακας. Έχει γίνει εστίαση σε δεδομένα με χωρο-χρονικά γνωρίσματα και ιεραρχική δομή, αλλά η αρχιτεκτονική είναι επεκτάσιμη σε άλλες περιοχές ενδιαφέροντος. Οι κεντρικές σχεδιαστικές αρχές της αρχιτεκτονικής είναι: α) Διασύνδεση σε υπολογιστικό νέφος για επεξεργασία δεδομένων μέσω Apache Spark. β) Υποστήριξη διαδραστικού προγραμματισμού μέσω ενσωμάτωσης Apache Zeppelin. γ) Εύρυθμη λειτουργία συστήματος ανεξάρτητη από μεταβολές στη δομή και το περιεχόμενο των υπό επεξεργασία δεδομένων. Τέλος, μέσω ενός προχωρημένου πρωτοτύπου, εξετάζεται ένα παράδειγμα με δημόσια δεδομένα από το Ηνωμένο Βασίλειο και παρουσιάζεται η βιωσιμότητα και τα πλεονεκτήματα της προτεινόμενης αρχιτεκτονικής.","abstract_has_math":false,"creators":["Βλαντής Παναγιώτης","Vlantis Panagiotis"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2018,"date_issued":"2018","date_published":"2018","updated_at":"2026-11-19T05:31:57Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2780547"],"render_values":[{"text":"uoadl:2780547","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2780547","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2780547","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2780547","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Βλαντής Παναγιώτης","Vlantis Panagiotis"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2018"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2780547","https://pergamos.lib.uoa.gr/uoa/dl/object/2780547"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ανάλυση δεδομένων με τεχνικές εξόρυξης δεδομένων και γνώσης, δεν παράγει πάντοτε αποτελέσματα αξιοποιήσιμα στη λήψη αποφάσεων. Αυτό είναι ιδιαίτερα σύνηθες στην περιοχή επεξεργασίας δεδομένων Υψηλής Κλίμακας όπου τα υπό ανάλυση δεδομένα μπορεί να χαρακτηρίζονται από υψηλό βαθμό πολυπλοκότητας, ετερογένεια και υψηλό ρυθμό μεταβλητότητας. Σε ένα τέτοιο περιβάλλον, εργαλεία Οπτικής Ανάλυσης (Visual Analytics) μπορεί να επιτρέψουν σε ειδικούς περιοχής ενδιαφέροντος και αναλυτές δεδομένων Υψηλής Κλίμακας να κατανοήσουν και να εξάγουν συμπεράσματα από σύνολα δεδομένων σε υποδομές υπολογιστικού νέφους. Σε αυτή τη περίπτωση οι άνθρωποι αποκτούν αναβαθμισμένο ρόλο αφού γίνονται μέτοχοι και στην ανάλυση των δεδομένων εκτός από την αξιολόγηση και αξιοποίηση τους κατά τη λήψη αποφάσεων. Η Οπτική Ανάλυση, επιτυγχάνεται με τη χρήση σύνθετων εργαλείων τα οποία προσφέρουν στους ανθρώπους μια διεπαφή από και προς τα δεδομένα διαμέσου της όρασης και της αλληλεπίδρασης αντίστοιχα. Στην ανάπτυξη συστημάτων Υψηλής Κλίμακας, η κλίμακα και η φύση των δεδομένων αναμφίβολα εγείρουν εμπόδια στην επίτευξη ικανοποιητικής απόκρισης των συστημάτων αυτών. Σε αυτή την εργασία, παρουσιάζεται μια αρχιτεκτονική λογισμικού η οποία επιχειρεί να επιτρέψει στους αναλυτές να χρησιμοποιήσουν εργαλεία οπτικής ανάλυσης διασυνδεδεμένα με το υπολογιστικό νέφος για ανάλυση δεδομένων Υψηλής Κλίμακας. Έχει γίνει εστίαση σε δεδομένα με χωρο-χρονικά γνωρίσματα και ιεραρχική δομή, αλλά η αρχιτεκτονική είναι επεκτάσιμη σε άλλες περιοχές ενδιαφέροντος. Οι κεντρικές σχεδιαστικές αρχές της αρχιτεκτονικής είναι: α) Διασύνδεση σε υπολογιστικό νέφος για επεξεργασία δεδομένων μέσω Apache Spark. β) Υποστήριξη διαδραστικού προγραμματισμού μέσω ενσωμάτωσης Apache Zeppelin. γ) Εύρυθμη λειτουργία συστήματος ανεξάρτητη από μεταβολές στη δομή και το περιεχόμενο των υπό επεξεργασία δεδομένων. Τέλος, μέσω ενός προχωρημένου πρωτοτύπου, εξετάζεται ένα παράδειγμα με δημόσια δεδομένα από το Ηνωμένο Βασίλειο και παρουσιάζεται η βιωσιμότητα και τα πλεονεκτήματα της προτεινόμενης αρχιτεκτονικής.","Analyses with data mining and knowledge discovery techniques are not always successful as they occasionally yield no actionable results. This is especially true in the Big Data context where we routinely deal with complex, heterogeneous, diverse and rapidly changing data. In this context, visual analytics play a key role in helping both experts and users to readily comprehend and better manage analyses carried on data stored in Infrastructures as a Service (IaaS). To this end, humans should play a critical role in continually ascertaining the value of the processed information and are invariably deemed to be the instigators of actionable tasks. The latter is facilitated with the assistance of sophisticated tools that let humans interface with the data through vision and interaction. When working with Big Data problems, both scale and nature of data undoubtly present a barrier in implementing responsive applications. In this thesis, we propose a software architecture that seeks to empower Big Data analysts with visual analytics tools atop large-scale data stored in and processed by IaaS infrastructures. Our key goal is to not only yield on-line analytic processing but also provide the facilities for the users to effectively interact with the underlying IaaS machinery. Although we focus on hierarchical and spatio-temporal datasets here, our proposed architecture is general and can be used to a wide number of application domains. The core design principles of our approach are: a) On-line processing on cloud with Apache Spark. b) Integration of interactive programming following the notebook paradigm through Apache Zeppelin. c) Offering robust operation when data and/or schema change on the fly. Through experimentation with a prototype of our suggested architecture, we demonstrate not only the viability of our approach but also we show its value in a use-case involving publicly-available crime data from the United Kingdom."]},{"key":"dc:title","label":"Title","values":["Αρχιτεκτονική Οπτικής Ανάλυσης Υψηλής Κλίμακας σε Υπολογιστικό Νέφος"]}]}],"canonical_facts":{"dc:creator":["Βλαντής Παναγιώτης","Vlantis Panagiotis"],"dc:date":["2018"],"dc:description":["Η ανάλυση δεδομένων με τεχνικές εξόρυξης δεδομένων και γνώσης, δεν παράγει πάντοτε αποτελέσματα αξιοποιήσιμα στη λήψη αποφάσεων. Αυτό είναι ιδιαίτερα σύνηθες στην περιοχή επεξεργασίας δεδομένων Υψηλής Κλίμακας όπου τα υπό ανάλυση δεδομένα μπορεί να χαρακτηρίζονται από υψηλό βαθμό πολυπλοκότητας, ετερογένεια και υψηλό ρυθμό μεταβλητότητας. Σε ένα τέτοιο περιβάλλον, εργαλεία Οπτικής Ανάλυσης (Visual Analytics) μπορεί να επιτρέψουν σε ειδικούς περιοχής ενδιαφέροντος και αναλυτές δεδομένων Υψηλής Κλίμακας να κατανοήσουν και να εξάγουν συμπεράσματα από σύνολα δεδομένων σε υποδομές υπολογιστικού νέφους. Σε αυτή τη περίπτωση οι άνθρωποι αποκτούν αναβαθμισμένο ρόλο αφού γίνονται μέτοχοι και στην ανάλυση των δεδομένων εκτός από την αξιολόγηση και αξιοποίηση τους κατά τη λήψη αποφάσεων. Η Οπτική Ανάλυση, επιτυγχάνεται με τη χρήση σύνθετων εργαλείων τα οποία προσφέρουν στους ανθρώπους μια διεπαφή από και προς τα δεδομένα διαμέσου της όρασης και της αλληλεπίδρασης αντίστοιχα. Στην ανάπτυξη συστημάτων Υψηλής Κλίμακας, η κλίμακα και η φύση των δεδομένων αναμφίβολα εγείρουν εμπόδια στην επίτευξη ικανοποιητικής απόκρισης των συστημάτων αυτών. Σε αυτή την εργασία, παρουσιάζεται μια αρχιτεκτονική λογισμικού η οποία επιχειρεί να επιτρέψει στους αναλυτές να χρησιμοποιήσουν εργαλεία οπτικής ανάλυσης διασυνδεδεμένα με το υπολογιστικό νέφος για ανάλυση δεδομένων Υψηλής Κλίμακας. Έχει γίνει εστίαση σε δεδομένα με χωρο-χρονικά γνωρίσματα και ιεραρχική δομή, αλλά η αρχιτεκτονική είναι επεκτάσιμη σε άλλες περιοχές ενδιαφέροντος. Οι κεντρικές σχεδιαστικές αρχές της αρχιτεκτονικής είναι: α) Διασύνδεση σε υπολογιστικό νέφος για επεξεργασία δεδομένων μέσω Apache Spark. β) Υποστήριξη διαδραστικού προγραμματισμού μέσω ενσωμάτωσης Apache Zeppelin. γ) Εύρυθμη λειτουργία συστήματος ανεξάρτητη από μεταβολές στη δομή και το περιεχόμενο των υπό επεξεργασία δεδομένων. Τέλος, μέσω ενός προχωρημένου πρωτοτύπου, εξετάζεται ένα παράδειγμα με δημόσια δεδομένα από το Ηνωμένο Βασίλειο και παρουσιάζεται η βιωσιμότητα και τα πλεονεκτήματα της προτεινόμενης αρχιτεκτονικής.","Analyses with data mining and knowledge discovery techniques are not always successful as they occasionally yield no actionable results. This is especially true in the Big Data context where we routinely deal with complex, heterogeneous, diverse and rapidly changing data. In this context, visual analytics play a key role in helping both experts and users to readily comprehend and better manage analyses carried on data stored in Infrastructures as a Service (IaaS). To this end, humans should play a critical role in continually ascertaining the value of the processed information and are invariably deemed to be the instigators of actionable tasks. The latter is facilitated with the assistance of sophisticated tools that let humans interface with the data through vision and interaction. When working with Big Data problems, both scale and nature of data undoubtly present a barrier in implementing responsive applications. In this thesis, we propose a software architecture that seeks to empower Big Data analysts with visual analytics tools atop large-scale data stored in and processed by IaaS infrastructures. Our key goal is to not only yield on-line analytic processing but also provide the facilities for the users to effectively interact with the underlying IaaS machinery. Although we focus on hierarchical and spatio-temporal datasets here, our proposed architecture is general and can be used to a wide number of application domains. The core design principles of our approach are: a) On-line processing on cloud with Apache Spark. b) Integration of interactive programming following the notebook paradigm through Apache Zeppelin. c) Offering robust operation when data and/or schema change on the fly. Through experimentation with a prototype of our suggested architecture, we demonstrate not only the viability of our approach but also we show its value in a use-case involving publicly-available crime data from the United Kingdom."],"dc:identifier":["uoadl:2780547","https://pergamos.lib.uoa.gr/uoa/dl/object/2780547"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Αρχιτεκτονική Οπτικής Ανάλυσης Υψηλής Κλίμακας σε Υπολογιστικό Νέφος"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:31:57Z"}