ISBN: 9786209494581 - analyse des fonctionnalités de java et map reduce sur hadoop (11 risultati)

Condizione: New.

Condizione: New.

Taschenbuch. Condizione: Neu. Analyse des fonctionnalités de Java et Map Reduce sur Hadoop | Gurinder Pal Singh Gosal (u. a.) | Taschenbuch | Französisch | 2026 | Editions Notre Savoir | EAN 9786209494581 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.…

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. Französisch.

Taschenbuch. Condizione: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Hadoop, l'implémentation open source et basée sur Java du framework Map/Reduce de l'Apache Software Foundation, est un framework informatique distribué conçu pour les applications distribuées gourmandes en données. Il fournit les outils nécessaires au traitement de grandes quantités de données à l'aide du framework Map/Reduce et implémente en outre un système de fichiers distribué similaire à celui de Google. Il peut être utilisé pour traiter de grandes quantités de données en parallèle sur de grands clusters de manière fiable et tolérante aux pannes. Depuis longtemps, Java est utilisé par de nombreux programmeurs pour le traitement des données. Dans cet ouvrage, nous avons comparé et analysé les performances de Hadoop avec Java, de Hadoop avec Hadoop Optimize et de Hadoop Optimize avec Java en fonction de différents critères de performance, tels que le traitement (utilisation du CPU), le stockage et l'efficacité lors du traitement des données. Nos résultats expérimentaux montrent une amélioration du temps d'exécution lors de l'utilisation de l'algorithme Map/Reduce optimisé. En comparant Hadoop et Java, Hadoop est plus performant lorsque nous avons un cluster à plusieurs noeuds et que la taille des données est importante. Cependant, lorsque nous avons un seul noeud et une petite taille de données, même Java peut être plus performant.…

Condizione: New. Print on Demand.

Paperback. Condizione: new. Paperback. Hadoop, l'implementation open source et basee sur Java du framework Map/Reduce de l'Apache Software Foundation, est un framework informatique distribue concu pour les applications distribuees gourmandes en donnees. Il fournit les outils necessaires au traitement de grandes quantites de donnees a l'aide du framework Map/Reduce et implemente en outre un systeme de fichiers distribue similaire a celui de Google. Il peut etre utilise pour traiter de grandes quantites de donnees en parallele sur de grands clusters de maniere fiable et tolerante aux pannes. Depuis longtemps, Java est utilise par de nombreux programmeurs pour le traitement des donnees. Dans cet ouvrage, nous avons compare et analyse les performances de Hadoop avec Java, de Hadoop avec Hadoop Optimize et de Hadoop Optimize avec Java en fonction de differents criteres de performance, tels que le traitement (utilisation du CPU), le stockage et l'efficacite lors du traitement des donnees. Nos resultats experimentaux montrent une amelioration du temps d'execution lors de l'utilisation de l'algorithme Map/Reduce optimise. En comparant Hadoop et Java, Hadoop est plus performant lorsque nous avons un cluster a plusieurs noeuds et que la taille des donnees est importante. Cependant, lorsque nous avons un seul noeud et une petite taille de donnees, meme Java peut etre plus performant. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.…

Condizione: New. PRINT ON DEMAND.

Taschenbuch. Condizione: Neu. This item is printed on demand - Print on Demand Titel. Neuware -Hadoop, l'implémentation open source et basée sur Java du framework Map/Reduce de l'Apache Software Foundation, est un framework informatique distribué conçu pour les applications distribuées gourmandes en données. Il fournit les outils nécessaires au traitement de grandes quantités de données à l'aide du framework Map/Reduce et implémente en outre un système de fichiers distribué similaire à celui de Google. Il peut être utilisé pour traiter de grandes quantités de données en parallèle sur de grands clusters de manière fiable et tolérante aux pannes. Depuis longtemps, Java est utilisé par de nombreux programmeurs pour le traitement des données. Dans cet ouvrage, nous avons comparé et analysé les performances de Hadoop avec Java, de Hadoop avec Hadoop Optimize et de Hadoop Optimize avec Java en fonction de différents critères de performance, tels que le traitement (utilisation du CPU), le stockage et l'efficacité lors du traitement des données. Nos résultats expérimentaux montrent une amélioration du temps d'exécution lors de l'utilisation de l'algorithme Map/Reduce optimisé. En comparant Hadoop et Java, Hadoop est plus performant lorsque nous avons un cluster à plusieurs nuds et que la taille des données est importante. Cependant, lorsque nous avons un seul nud et une petite taille de données, même Java peut être plus performant.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 52 pp. Französisch.…