W dzisiejszym szybko rozwijaj?cym si? ?wiecie analizujemy rozproszone ?ródla danych publikuj?ce do gigabajtów danych ka?dego dnia, gromadz?c je w ci?gu kilku miesi?cy do skali terabajtów. Rodzi to wyzwanie, w jaki sposób efektywnie przechowywac te rozproszone zbiory danych, zarówno w roboczych pami?ciach podr?cznych zapewniaj?cych szybki dost?p w czasie rzeczywistym, jak i w formach zarchiwizowanych, które mo?na ponownie wykorzystac do analizy danych offline. W tym artykule przedstawili?my uslugi przetwarzania, które musz? uzyskac dost?p do kilku zbiorów danych jednocze?nie, aby uzyskac inteligentne wyniki fuzji danych, które s? nast?pnie udost?pniane decydentom w czasie rzeczywistym. Poniewa? skuteczna analiza wszystkich wyników jest wyzwaniem, musimy znale?c rozwi?zanie, które przyspieszy i usprawni przetwarzanie. W tym przypadku projektujemy metod? wykorzystuj?c? metatagi, aby skrócic czas przetwarzania i zmniejszyc obci??enie istniej?cych systemów. Metatagi zasadniczo definiuj? ró?ne atrybuty plików danych i zapewniaj? nam opcje dost?pu do plików na podstawie wybranych atrybutów. W proponowanym systemie lekka i ci??ka semantyka s? oddzielane na podstawie rozmiaru. Powy?ej 10 s? dodawane do listy wagi ci??kiej, a poni?ej 10 s? dodawane do listy wagi lekkiej.