دانلود فایل با شمار فاکتور
لطفا شماره فاکتور خود را درج نمایید
جدیدترین لغات واژه‌نامه
کشورهای شمال اروپا
آتش سوزی های جنگلی
دوسویه
نادیده گرفتن، دست انداخ
اجتناب ناپذیر، بی شفقت،
آمار بازدیدکنندگان
بازدید امروز :53
بازدید روز گذشته :54
بازدید این هفته :313
بازدید این ماه :1056
مجموع آمار بازدید ها :800681
بازدید روز گذشته :54
بازدید این هفته :313
بازدید این ماه :1056
مجموع آمار بازدید ها :800681
عنوان محصول: اسپارک: محاسبات خوشه ای با مجموعه‌های کاری
|
توضیحات مختصر:
MapReduce و انواع مختلف آن به موفقیت بالایی در پیاده‌سازی کاربردهایی با داده‌های متراکم و مقیاس بالا در خوشه‌های کالا دست یافته‌اند. با این حال بسیاری از این سیستم‌ها در محدوده یک مدل جریان داده بدون چرخه ایجاد شده‌اند و برای سایر کاربردها مناسب نیستند. تمرکز این مقاله بر روی یک کلاس از کاربردها می...
|
| اسپارک: محاسبات خوشه ای با مجموعه‌های کاری |
قیمت : 33000 تومان
تخفیف: 2000 تومان
تخفیف ویژه : 10 درصد
قیمت نهایی: 27700 تومان
404 بازدید
کد مقاله: TTC-
3893
نوع فایل : docx
خرید و دانلود
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Abstract
MapReduce and its variants have been highly successful in implementing large-scale data-intensive applications on commodity clusters. However, most of these systems are built around an acyclic data flow model that is not suitable for other popular applications. This paper focuses on one such class of applications: those that reuse a working set of data across multiple parallel operations. This includes many iterative machine learning algorithms, as well as interactive data analysis tools. We propose a new framework called Spark that supports these applications while retaining the scalability and fault tolerance of MapReduce. To achieve these goals, Spark introduces an abstraction called resilient distributed datasets (RDDs). An RDD is a read-only collection of objects partitioned across a set of machines that can be rebuilt if a partition is lost. Spark can outperform Hadoop by 10x in iterative machine learning jobs, and can be used to interactively query a 39 GB dataset with sub-second response time.
چکیده
MapReduce و انواع مختلف آن به موفقیت بالایی در پیاده‌سازی کاربردهایی با داده‌های متراکم و مقیاس بالا در خوشه‌های کالا دست یافته‌اند. با این حال بسیاری از این سیستم‌ها در محدوده یک مدل جریان داده بدون چرخه ایجاد شده‌اند و برای سایر کاربردها مناسب نیستند. تمرکز این مقاله بر روی یک کلاس از کاربردها می‌باشد: مواردی که از یک مجموعه کاری از داده‌ها در میان عملیات موازی مختلف استفاده مجدد می‌کنند. این رویه شامل الگوریتم‌های یادگیری ماشین تکراری مختلف و همچنین ابزارهای آنالیز داده انفعالی است. ما یک چارچوب جدید به نام اسپارک پیشنهاد می‌دهیم که از این کاربردها پشتیبانی کرده و در ضمن مقیاس‌پذیری و تحمل‌پذیری MapReduce را حفظ می‌کنیم. برای دستیابی به این اهداف، اسپارک یک رویکرد تجرید به نام مجموعه داده توزیع‌شده منعطف (RDDs) معرفی کرده است. RDD یک مجموعه فقط خواندنی از اشیاء بخش‌بندی شده در میان یک مجموعه از ماشین‌هایی است که می‌توان در صورت از بین رفتن یک بخش، مجدداً آن را ایجاد نمود. اسپارک می‌تواند ازلحاظ تعداد وظایف تکراری یادگیری ماشین، 10 برابر نسبت هادوپ بهتر بوده و می‌توان از آن برای پرس‌وجوهای تعاملی یک مجموعه داده 39 گیگابایتی با زمان پاسخ چندثانیه‌ای استفاده نمود.
تعداد صفحات انگلیسی:
تعداد صفحات فـارسـی:
- آدرس: تبریز، آبرسان، مهرگان چهارم
- تلفن تماس: 09016347107
- تلفن ثابت : 35250068-041
- Mailttcenterاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس ایمیل
- @zoodyab :آدرس تلگرام
مرکز تخصصی تلاش ترجمه از سال 1385 شروع به کار نموده است و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام شده است.
تمامی ترجمه‌های انجام شده توسط موسسه تخصصی تلاش ترجمه، به صورت دستی (غیرماشینی) بوده و توسط مترجمین با سابقه انجام می‌شوند. ترجمه‌های انجام شده توسط موسسه تلاش ترجمه در قالب فایل Word و به صورت کاملا روان و بازخوانی شده و با ضمانت بازگشت وجه 72 ساعته (در صورت عدم رضایت از ترجمه) خدمت مشتریان محترم ارائه می‌شود.