Hadoop MapReduce is processed for a

Hadoop MapReduce is processed for analysis
large volume of data through multiple nodes in parallel.
However MapReduce has two function Map and Reduce, large
data is stored through HDFS. Lack of facility involve in
MapReduce so Spark is designed to run for real time stream
data and for fast queries. Spark jobs perform work on
Resilient Distributed Datasets and directed acyclic graph
execution engine. In this paper, we extend Hadoop MapReduce
working and Spark architecture with supporting kind of
operation to perform. We also show the differences between
Hadoop MapReduce and Spark through Map and Reduce
phase individually.

ผลลัพธ์ (ไทย) 1:

Hadoop MapReduce ประมวลผลวิเคราะห์ข้อมูลจำนวนมากผ่านโหนหลายขนานอย่างไรก็ตาม MapReduce มีสองฟังก์ชั่นแผนที่และขนาดใหญ่ ลดเก็บข้อมูลผ่าน HDFS ขาดสิ่งอำนวยความสะดวกที่เกี่ยวข้องในMapReduce เพื่อจุดประกายถูกออกแบบมาเพื่อเรียกใช้สำหรับกระแสข้อมูลเวลาจริงข้อมูลและ สำหรับการสอบถามอย่างรวดเร็ว จุดประกายงานทำงานบนความยืดหยุ่นกระจายข้อมูลและกราฟ acyclic โดยตรงโปรแกรมการดำเนินการ ในกระดาษนี้ เราขยาย Hadoop MapReduceทำงานและสถาปัตยกรรมจุดประกาย ด้วยการสนับสนุนของการดำเนินการ นอกจากนี้เรายังแสดงความแตกต่างระหว่างHadoop MapReduce และประกายผ่านแผนที่ และลดแต่ละเฟส

ผลลัพธ์ (ไทย) 2:

Hadoop MapReduce มีการประมวลผลสำหรับการวิเคราะห์
ข้อมูลปริมาณมากผ่านโหนดหลายขนาน.
อย่างไรก็ตาม MapReduce มีสองฟังก์ชั่นแผนที่และลดขนาดใหญ่
ข้อมูลจะถูกเก็บไว้ผ่าน HDFS ขาดสิ่งอำนวยความสะดวกมีส่วนร่วมใน
MapReduce เพื่อจุดประกายถูกออกแบบมาเพื่อใช้สำหรับกระแสเวลาจริง
ข้อมูลและสำหรับการค้นหาได้อย่างรวดเร็ว งาน Spark ปฏิบัติงานใน
ชุดข้อมูลที่กระจายยืดหยุ่นและกำกับวัฏจักรกราฟ
เครื่องยนต์ ในบทความนี้เราขยาย Hadoop MapReduce
ทำงานและ Spark สถาปัตยกรรมกับการสนับสนุนชนิดของ
การดำเนินงานที่จะดำเนินการ นอกจากนี้เรายังแสดงให้เห็นความแตกต่างระหว่าง
Hadoop MapReduce และ Spark ผ่านแผนที่และลด
ขั้นตอนที่ไม่ซ้ำกัน

ผลลัพธ์ (ไทย) 3:

mapreduce Hadoop การประมวลผลการวิเคราะห์ปริมาณมากของข้อมูลผ่านหลายจุดในแบบคู่ขนานอย่างไรก็ตาม mapreduce มีสองฟังก์ชันแผนที่และลดขนาดใหญ่ข้อมูลจะถูกเก็บไว้ผ่าน hdfs . ขาดสิ่งอำนวยความสะดวกเช่นmapreduce เพื่อจุดประกายถูกออกแบบมาเพื่อเรียกกระแสของเวลาจริงข้อมูลสำหรับการค้นหาอย่างรวดเร็ว งานจุดประกายปฏิบัติงานยืดหยุ่นและกระจายข้อมูลกราฟอวัฏจักรระบุทิศทางเครื่องประหารชีวิต ในกระดาษนี้เราขยาย Hadoop mapreduceการทำงานและประกายกับสนับสนุนชนิดของสถาปัตยกรรมปฏิบัติการเพื่อดําเนินการ นอกจากนี้เรายังแสดงความแตกต่างระหว่างmapreduce Hadoop และจุดประกายผ่านแผนที่และลดขั้นตอนแบบ