analyse funktionen java map di gosal gurinder (14 risultati)

Condizione: New.

Condizione: New.

Taschenbuch. Condizione: Neu. Analyse der Funktionen von Java und Map Reduce auf Hadoop | Gurinder Pal Singh Gosal (u. a.) | Taschenbuch | 52 S. | Deutsch | 2026 | Verlag Unser Wissen | EAN 9786209479960 | 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.

Paperback. Condizione: new. Paperback. Hadoop, die Open-Source- und Java-basierte Implementierung des Map/Reduce-Frameworks der Apache Software Foundation, ist ein verteiltes Computing-Framework, das fuer datenintensive verteilte Anwendungen entwickelt wurde. Es bietet Tools fuer die Verarbeitung grosser Datenmengen mithilfe des Map/Reduce-Frameworks und implementiert darueber hinaus ein verteiltes Dateisystem, das dem Dateisystem von Google aehnelt. Es kann verwendet werden, um grosse Datenmengen parallel auf grossen Clustern auf zuverlaessige und fehlertolerante Weise zu verarbeiten. Java wird seit langem von vielen Programmierern fuer die Datenverarbeitung verwendet. In diesem Buch haben wir die Leistung von Hadoop mit Java, Hadoop mit Hadoop Optimize und Hadoop Optimize mit Java anhand verschiedener Leistungskriterien wie Verarbeitung (CPU-Auslastung), Speicher und Effizienz bei der Datenverarbeitung verglichen und analysiert. Unsere Versuchsergebnisse zeigen eine Verbesserung der Ausfuehrungszeit bei Verwendung des optimierten Map/Reduce-Algorithmus. Beim Vergleich von Hadoop und Java ist Hadoop besser, wenn wir einen Multi-Node-Cluster haben und die Datenmenge gross ist. Wenn wir jedoch einen einzelnen Node und eine kleine Datenmenge haben, kann sogar Java eine bessere Leistung erzielen. This item is printed on demand. Shipping may be from multiple locations in the US or from the UK, depending on stock availability.

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

Paperback. Condizione: new. Paperback. Hadoop, die Open-Source- und Java-basierte Implementierung des Map/Reduce-Frameworks der Apache Software Foundation, ist ein verteiltes Computing-Framework, das fuer datenintensive verteilte Anwendungen entwickelt wurde. Es bietet Tools fuer die Verarbeitung grosser Datenmengen mithilfe des Map/Reduce-Frameworks und implementiert darueber hinaus ein verteiltes Dateisystem, das dem Dateisystem von Google aehnelt. Es kann verwendet werden, um grosse Datenmengen parallel auf grossen Clustern auf zuverlaessige und fehlertolerante Weise zu verarbeiten. Java wird seit langem von vielen Programmierern fuer die Datenverarbeitung verwendet. In diesem Buch haben wir die Leistung von Hadoop mit Java, Hadoop mit Hadoop Optimize und Hadoop Optimize mit Java anhand verschiedener Leistungskriterien wie Verarbeitung (CPU-Auslastung), Speicher und Effizienz bei der Datenverarbeitung verglichen und analysiert. Unsere Versuchsergebnisse zeigen eine Verbesserung der Ausfuehrungszeit bei Verwendung des optimierten Map/Reduce-Algorithmus. Beim Vergleich von Hadoop und Java ist Hadoop besser, wenn wir einen Multi-Node-Cluster haben und die Datenmenge gross ist. Wenn wir jedoch einen einzelnen Node und eine kleine Datenmenge haben, kann sogar Java eine bessere Leistung erzielen. This item is printed on demand. Shipping may be from our Sydney, NSW warehouse or from our UK or US warehouse, depending on stock availability.

Condizione: New. Print on Demand.

Condizione: New. PRINT ON DEMAND.

Paperback. Condizione: new. Paperback. Hadoop, die Open-Source- und Java-basierte Implementierung des Map/Reduce-Frameworks der Apache Software Foundation, ist ein verteiltes Computing-Framework, das fuer datenintensive verteilte Anwendungen entwickelt wurde. Es bietet Tools fuer die Verarbeitung grosser Datenmengen mithilfe des Map/Reduce-Frameworks und implementiert darueber hinaus ein verteiltes Dateisystem, das dem Dateisystem von Google aehnelt. Es kann verwendet werden, um grosse Datenmengen parallel auf grossen Clustern auf zuverlaessige und fehlertolerante Weise zu verarbeiten. Java wird seit langem von vielen Programmierern fuer die Datenverarbeitung verwendet. In diesem Buch haben wir die Leistung von Hadoop mit Java, Hadoop mit Hadoop Optimize und Hadoop Optimize mit Java anhand verschiedener Leistungskriterien wie Verarbeitung (CPU-Auslastung), Speicher und Effizienz bei der Datenverarbeitung verglichen und analysiert. Unsere Versuchsergebnisse zeigen eine Verbesserung der Ausfuehrungszeit bei Verwendung des optimierten Map/Reduce-Algorithmus. Beim Vergleich von Hadoop und Java ist Hadoop besser, wenn wir einen Multi-Node-Cluster haben und die Datenmenge gross ist. Wenn wir jedoch einen einzelnen Node und eine kleine Datenmenge haben, kann sogar Java eine bessere Leistung erzielen. 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. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt.

Taschenbuch. Condizione: Neu. This item is printed on demand - Print on Demand Titel. Neuware -Hadoop, die Open-Source- und Java-basierte Implementierung des Map/Reduce-Frameworks der Apache Software Foundation, ist ein verteiltes Computing-Framework, das für datenintensive verteilte Anwendungen entwickelt wurde. Es bietet Tools für die Verarbeitung großer Datenmengen mithilfe des Map/Reduce-Frameworks und implementiert darüber hinaus ein verteiltes Dateisystem, das dem Dateisystem von Google ähnelt. Es kann verwendet werden, um große Datenmengen parallel auf großen Clustern auf zuverlässige und fehlertolerante Weise zu verarbeiten. Java wird seit langem von vielen Programmierern für die Datenverarbeitung verwendet. In diesem Buch haben wir die Leistung von Hadoop mit Java, Hadoop mit Hadoop Optimize und Hadoop Optimize mit Java anhand verschiedener Leistungskriterien wie Verarbeitung (CPU-Auslastung), Speicher und Effizienz bei der Datenverarbeitung verglichen und analysiert. Unsere Versuchsergebnisse zeigen eine Verbesserung der Ausführungszeit bei Verwendung des optimierten Map/Reduce-Algorithmus. Beim Vergleich von Hadoop und Java ist Hadoop besser, wenn wir einen Multi-Node-Cluster haben und die Datenmenge groß ist. Wenn wir jedoch einen einzelnen Node und eine kleine Datenmenge haben, kann sogar Java eine bessere Leistung erzielen.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 52 pp. Deutsch.

Taschenbuch. Condizione: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering.