There are various tools which can b

There are various tools which can be used in Big Data management from data acquisition to data analysis. Most of
these tools are parts of Apache projects and are constructed around the famous Hadoop. Written in Java and created by
Doug Cutting, Hadoop brings the ability to cheaply process large amounts of data, regardless of its structure [12]. Hadoop is made up of two core projects: Hadoop Distributed File System (HDFS) and MapReduce. HDFS. HDFS is a distributed file system designed to run on large clusters of commodity hardware based on Google File System (GFS) [15,16,3]. Shvachko et al. [17, page 1] add HDFS strengths in their definition when saying it “is designed to store very large datasets reliably, and to stream those datasets at high bandwidth to user applications”. By large, we mean from 10 to 100 GB and above [12,16]. While the interface to HDFS is patterned after the UNIX file system, it trades off some POSIX requirements for performance [17,15,16]. HDFS is dedicated to batch processing rather than interactive use by users [16,12].

ผลลัพธ์ (ไทย) 1:

มีเครื่องมือต่าง ๆ ที่ใช้ในการจัดการข้อมูลขนาดใหญ่จากข้อมูลการวิเคราะห์ข้อมูล ส่วนใหญ่ของเครื่องมือเหล่านี้เป็นส่วนหนึ่งของโครงการ Apache และสร้างรอบ Hadoop มีชื่อเสียง เขียนใน Java และสร้างขึ้นโดยแอนดรู ตัด Hadoop นำความสามารถในการซื้อจำนวนมากของข้อมูล โดยไม่คำนึงถึงโครงสร้างของ [12] Hadoop ขึ้นเป็นโครงการหลักที่สอง: Hadoop กระจายแฟ้มระบบ (HDFS) และ MapReduce HDFS HDFS เป็นระบบแฟ้มที่แจกจ่ายเพื่อเรียกใช้บนคลัสเตอร์ขนาดใหญ่ของสินค้าฮาร์ดแวร์ที่ใช้ในแฟ้มระบบ Google (GFS) [15,16,3] Shvachko ร้อยเอ็ด [17, 1 หน้า] เพิ่มว่า มัน "ถูกออกแบบมา เพื่อจัดเก็บชุดข้อมูลขนาดใหญ่มากได้ การสตรีมที่ datasets ที่แบนด์วิธสูงการใช้งานผู้ใช้" จุดแข็ง HDFS ในคำนิยามของ โดยใหญ่ เราเสมอตั้งแต่ 10 100 GB และ มากกว่า [12,16] ในขณะที่อินเตอร์เฟซที่จะ HDFS เป็นลวดลายหลังจากระบบไฟล์ของ UNIX มันเทรดออกข้อกำหนดบางอย่าง POSIX ประสิทธิภาพ [17,15,16] HDFS ทุ่มเทให้ชุดงานใช้การประมวลผล มากกว่าแบบโต้ตอบผู้ใช้ [16,12]

ผลลัพธ์ (ไทย) 2:

มีเครื่องมือต่างๆที่สามารถนำมาใช้ในการบริหารจัดการข้อมูลขนาดใหญ่จากการเก็บข้อมูลการวิเคราะห์ข้อมูล ที่สุดของ
เครื่องมือเหล่านี้เป็นส่วนหนึ่งของโครงการ Apache และถูกสร้างขึ้นรอบ Hadoop ที่มีชื่อเสียง เขียนใน Java และสร้างขึ้นโดย
การตัดดั๊ก Hadoop นำความสามารถในการประมวลผลอย่างถูกข้อมูลจำนวนมากโดยไม่คำนึงถึงโครงสร้างของมัน [12] Hadoop ถูกสร้างขึ้นจากสองโครงการหลัก: Hadoop แจกจ่าย File System (HDFS) และ MapReduce HDFS HDFS เป็นระบบไฟล์กระจายออกแบบให้ทำงานบนกลุ่มใหญ่ของฮาร์ดแวร์สินค้าขึ้นอยู่กับ Google File System (GFS) [15,16,3] Shvachko et al, [17 หน้า 1] เพิ่มจุดแข็ง HDFS ในความหมายของพวกเขาเมื่อบอกว่ามัน "ถูกออกแบบมาเพื่อเก็บชุดข้อมูลขนาดใหญ่อย่างน่าเชื่อถือและการสตรีมชุดข้อมูลผู้ที่มีแบนด์วิธสูงเพื่อการใช้งานผู้ใช้" โดยขนาดใหญ่ที่เราหมายถึง 10-100 GB และด้านบน [12,16] ในขณะที่อินเตอร์เฟซที่จะ HDFS เป็นลวดลายหลังจากที่ระบบไฟล์ UNIX, ธุรกิจการค้าออกข้อกำหนด POSIX บางอย่างสำหรับผลการดำเนินงาน [17,15,16] HDFS จะทุ่มเทให้กับการประมวลผลชุดแทนที่จะใช้โต้ตอบโดยผู้ใช้ [16,12]

ผลลัพธ์ (ไทย) 3:

มีเครื่องมือต่างๆที่สามารถใช้ในการจัดการข้อมูลครั้งใหญ่ จากข้อมูล การวิเคราะห์ข้อมูล มากที่สุดของเครื่องมือเหล่านี้เป็นส่วนของโครงการ Apache Hadoop และถูกสร้างขึ้นรอบ ๆที่มีชื่อเสียง เขียนใน Java และสร้างขึ้นโดยดั๊กตัด Hadoop ทำให้ความสามารถที่ถูกกระบวนการข้อมูลปริมาณมาก โดยไม่คำนึงถึงโครงสร้าง [ 12 ] Hadoop มีสองหลักโครงการ : Hadoop กระจายแฟ้มระบบ ( hdfs ) และ mapreduce . hdfs . hdfs เป็นกระจายแฟ้มระบบที่ออกแบบมาเพื่อวิ่งในกลุ่มขนาดใหญ่ของฮาร์ดแวร์สินค้าตามระบบแฟ้ม Google ( GFS ) [ 15,16,3 ] shvachko et al . [ 17 หน้า 1 ] เพิ่ม hdfs จุดแข็งในความหมายของพวกเขาเมื่อว่ามัน " ถูกออกแบบมาเพื่อเก็บข้อมูลที่มีขนาดใหญ่มาก เชื่อถือได้ และกระแสข้อมูลที่แบนด์วิดธ์สูงในการใช้งาน " ผู้ใช้ โดยขนาดใหญ่ เราหมายถึง จาก 10 เป็น 100 GB ขึ้นไป [ 12,16 ] ในขณะที่อินเตอร์เฟซที่จะ hdfs เป็นลวดลายหลังจากที่ระบบแฟ้ม Unix ก็เทรดจาก POSIX ความต้องการประสิทธิภาพ [ 17,15,16 ] hdfs ทุ่มเทในการประมวลผลมากกว่าจะใช้แบบโต้ตอบโดยผู้ใช้ [ 16,12 ]