ISBN: 9786209462825 - analiza funkcji java i map reduce w hadoop (7 risultati)

Condizione: New.

PAP. Condizione: New. New Book. Shipped from UK. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000.

PAP. Condizione: New. New Book. Delivered from our UK warehouse in 4 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000.

Taschenbuch. Condizione: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 52 pp. Polnisch.

Taschenbuch. Condizione: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Hadoop, otwarta implementacja frameworka Map/Reduce oparta na j¿zyku Java, stworzona przez Apache Software Foundation, to framework obliczeniowy przeznaczony do obs¿ugi aplikacji rozproszonych przetwarzaj¿cych du¿e ilo¿ci danych. Zapewnia narz¿dzia do przetwarzania ogromnych ilo¿ci danych przy u¿yciu frameworka Map/Reduce, a dodatkowo implementuje rozproszony system plików podobny do systemu plików Google. Mo¿e by¿ u¿ywany do przetwarzania ogromnych ilo¿ci danych równolegle na du¿ych klastrach w sposób niezawodny i odporny na awarie. Od dawna Java jest u¿ywana przez wielu programistów do przetwarzania danych. W tej ksi¿¿ce porównali¿my i przeanalizowali¿my wydajno¿¿ Hadoop z Java, Hadoop z Hadoop Optimize oraz Hadoop Optimize z Java pod k¿tem ró¿nych kryteriów wydajno¿ci, takich jak przetwarzanie (wykorzystanie procesora), przechowywanie i efektywno¿¿ podczas przetwarzania danych. Wyniki naszych eksperymentów pokazuj¿ popraw¿ czasu wykonania przy u¿yciu zoptymalizowanego algorytmu Map/Reduce. Porównuj¿c Hadoop i Java, Hadoop jest lepszy, gdy mamy klaster wielow¿z¿owy i du¿y rozmiar danych. Jednak gdy mamy pojedynczy w¿ze¿ i mäy rozmiar danych, nawet Java mo¿e dziää lepiej.…

Paperback. Condizione: new. Paperback. Hadoop, otwarta implementacja frameworka Map/Reduce oparta na jezyku Java, stworzona przez Apache Software Foundation, to framework obliczeniowy przeznaczony do obslugi aplikacji rozproszonych przetwarzajacych duze ilosci danych. Zapewnia narzedzia do przetwarzania ogromnych ilosci danych przy uzyciu frameworka Map/Reduce, a dodatkowo implementuje rozproszony system plikow podobny do systemu plikow Google. Moze byc uzywany do przetwarzania ogromnych ilosci danych rownolegle na duzych klastrach w sposob niezawodny i odporny na awarie. Od dawna Java jest uzywana przez wielu programistow do przetwarzania danych. W tej ksiazce porownalismy i przeanalizowalismy wydajnosc Hadoop z Java, Hadoop z Hadoop Optimize oraz Hadoop Optimize z Java pod katem roznych kryteriow wydajnosci, takich jak przetwarzanie (wykorzystanie procesora), przechowywanie i efektywnosc podczas przetwarzania danych. Wyniki naszych eksperymentow pokazuja poprawe czasu wykonania przy uzyciu zoptymalizowanego algorytmu Map/Reduce. Porownujac Hadoop i Java, Hadoop jest lepszy, gdy mamy klaster wielowezlowy i duzy rozmiar danych. Jednak gdy mamy pojedynczy wezel i maly rozmiar danych, nawet Java moze dzialac lepiej. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.…

Taschenbuch. Condizione: Neu. This item is printed on demand - Print on Demand Titel. Neuware -Hadoop, otwarta implementacja frameworka Map/Reduce oparta na j¿zyku Java, stworzona przez Apache Software Foundation, to framework obliczeniowy przeznaczony do obs¿ugi aplikacji rozproszonych przetwarzaj¿cych du¿e ilo¿ci danych. Zapewnia narz¿dzia do przetwarzania ogromnych ilo¿ci danych przy u¿yciu frameworka Map/Reduce, a dodatkowo implementuje rozproszony system plików podobny do systemu plików Google. Mo¿e by¿ u¿ywany do przetwarzania ogromnych ilo¿ci danych równolegle na du¿ych klastrach w sposób niezawodny i odporny na awarie. Od dawna Java jest u¿ywana przez wielu programistów do przetwarzania danych. W tej ksi¿¿ce porównali¿my i przeanalizowali¿my wydajno¿¿ Hadoop z Java, Hadoop z Hadoop Optimize oraz Hadoop Optimize z Java pod k¿tem ró¿nych kryteriów wydajno¿ci, takich jak przetwarzanie (wykorzystanie procesora), przechowywanie i efektywno¿¿ podczas przetwarzania danych. Wyniki naszych eksperymentów pokazuj¿ popraw¿ czasu wykonania przy u¿yciu zoptymalizowanego algorytmu Map/Reduce. Porównuj¿c Hadoop i Java, Hadoop jest lepszy, gdy mamy klaster wielow¿z¿owy i du¿y rozmiar danych. Jednak gdy mamy pojedynczy w¿ze¿ i mäy rozmiar danych, nawet Java mo¿e dziää lepiej.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 52 pp. Polnisch.…