MapReduce. Originally put in place

MapReduce. Originally put in place by Google to solve the web search index creation problem [12], MapReduce is nowadays the main programming model and associated implementation for processing and generating large datasets [19].The input data format in MapReduce framework is applicationspecific,is specified by the user [20] and is suitable for semistructured or unstructured data. The MapReduce’s output is a set of pairs. The name “MapReduce” expresses the fact that users specify an algorithm using two kernel functions: “Map” and “Reduce”. The Map function is applied on
the input data and produces a list of intermediate pairs; and the Reduce function merges all intermediate values associated with the same intermediate key [19] [20]. In a Hadoop cluster, a job (i.e a MapReduce program [11]) is executed
by subsequently breaking it down into pieces called tasks. When a node in Hadoopcluster receives a job, it is able to divide it, and run it in parallel over other nodes [12].
Here the data location problem is solved by the JobTracker which communicates with the NameNode to help datanodes to send tasks to near-data datanodes. Let us note that this
processing in form of pairs is not a limitation to processing which does not seem, at first glance, feasible in map-reduce manner. Indeed, MapReduce has been successfully used in RDF/RDFS and OWL reasoning [21,22] and in structured data querying [23

ผลลัพธ์ (ไทย) 2:

MapReduce แต่เดิมวางในสถานที่โดย Google ในการแก้ปัญหาการสร้างดัชนีการค้นหาเว็บ [12], MapReduce ในปัจจุบันรูปแบบการเขียนโปรแกรมและการดำเนินงานหลักที่เกี่ยวข้องสำหรับการประมวลผลและสร้างชุดข้อมูลขนาดใหญ่ [19] ได้โดยง่ายรูปแบบการป้อนข้อมูลในกรอบ MapReduce เป็น applicationspecific, มีการระบุ โดยผู้ใช้ [20] และเหมาะสำหรับข้อมูลที่ไม่มีโครงสร้างหรือแบบกึ่งโครงสร้าง การส่งออกของ MapReduce คือชุดของคู่ ชื่อ "MapReduce" เป็นการแสดงออกถึงความเป็นจริงที่ผู้ใช้ระบุขั้นตอนวิธีการใช้สองฟังก์ชั่นเคอร์เนล: "แผนที่" และ "ลด" ฟังก์ชั่นแผนที่จะนำไปใช้ในการ
ป้อนข้อมูลและการผลิตรายการของกลางคู่; และฟังก์ชั่นลดค่ากลางดังกล่าวทั้งหมดที่เกี่ยวข้องกับปุ่มกลางเดียวกัน [19] [20] ในคลัสเตอร์ Hadoop งาน (เช่นโปรแกรม MapReduce a [11]) จะดำเนินการ
ต่อจากนั้นทำลายมันลงไปในงานชิ้นที่เรียกว่า เมื่อโหนดใน Hadoopcluster รับงานก็สามารถที่จะแบ่งมันและใช้มันในแบบคู่ขนานกว่าโหนดอื่น ๆ [12].
นี่คือปัญหาที่ตั้งของข้อมูลที่ได้รับการแก้ไขโดย JobTracker ที่ติดต่อสื่อสารกับ NameNode ที่จะช่วยให้ datanodes ที่จะส่งงานให้กับ ซึ่งอยู่ใกล้กับข้อมูล datanodes แจ้งให้เราทราบว่านี้
การประมวลผลในรูปแบบของคู่ไม่ได้เป็นข้อ จำกัด ในการประมวลผลที่ไม่ได้ดูเหมือนได้อย่างรวดเร็วก่อนเป็นไปได้ในลักษณะแผนที่ลด แท้จริง MapReduce ได้รับการใช้ประสบความสำเร็จใน RDF / RDFS และนกฮูกเหตุผล [21,22] และสอบถามข้อมูลที่มีโครงสร้าง [23

ผลลัพธ์ (ไทย) 3:

mapreduce . แต่เดิมการวางในสถานที่โดย Google เพื่อแก้ปัญหาเว็บการสร้างดัชนีการค้นหาปัญหา [ 12 ] mapreduce ในปัจจุบันรูปแบบโปรแกรมหลักที่ใช้ในการประมวลผลข้อมูล และการสร้างขนาดใหญ่ [ 19 ] . ข้อมูลในรูปแบบ mapreduce กรอบ applicationspecific , ที่ระบุโดยผู้ใช้ [ 20 ] และเหมาะสำหรับสร้าง หรือข้อมูลที่ไม่มีโครงสร้าง . ของ mapreduce ผลผลิตคือชุดของค่า > < กุญแจคู่ ชื่อ " mapreduce " แสดงความเป็นจริงที่ผู้ใช้ระบุขั้นตอนวิธีใช้เคอร์เนลฟังก์ชัน " แผนที่ " และ " ลด " ฟังก์ชันใช้ในแผนที่ข้อมูล และสร้างรายชื่อของคีย์กลาง < value > คู่ และลดการทำงานผสานทั้งหมดกลางค่าที่เกี่ยวข้องกับเดียวกันกลางคีย์ [ 19 ] [ 20 ] ใน Hadoop คลัสเตอร์ งาน ( คือเป็นโปรแกรม mapreduce [ 11 ] ) ประหารโดยสามารถทำลายมันลงเป็นชิ้น เรียกว่างาน เมื่อมีโหนดใน hadoopcluster ได้รับงาน มันสามารถแบ่งและเรียกใช้มันในแบบคู่ขนานผ่านโหนดอื่น ๆ [ 12 ]ที่นี่ข้อมูลสถานที่แก้ปัญหาโดย jobtracker ที่สื่อสารกับ namenode ช่วย datanodes ส่งงานใกล้ datanodes ข้อมูล แจ้งให้เราทราบว่าการประมวลผลในรูปแบบของค่า > < คีย์คู่ไม่ใช่ข้อจำกัดในการประมวลผล ซึ่งดูเหมือน at glance ครั้งแรก ราคาลดไปได้ในลักษณะ แน่นอน mapreduce เรียบร้อยแล้วใช้ RDF / rdfs และ [ เหตุผลนกฮูก 21,22 ] และ [ 23 สอบถามข้อมูลโครงสร้าง