A simple log processing job in MapR

A simple log processing job in MapReduce might scan a subset of log files corresponding to a specified time window (e.g. a day), and compute aggregated counts grouped by age, gender or location. As part of this analysis, an equi-join is often required between the log and one or more of the reference tables. Note that the equi-join for log processing is different from typical star joins in traditional data warehouse applications. In star joins, dimension data is often first reduced based on constraints, then the product of several dimension tables is joined with the fact table often making use of indexes. In contrast, equi-join for log processing is usually performed on all the log records, and constraints on reference data are seldom specified. This is because one of the goals of log processing is to compute statistics for all the log records on various combination of reference dimensions. Also note that it is not feasible to pre-join the log with all its reference data, since the pre-joined result could be orders of magnitude larger than the log

ผลลัพธ์ (ไทย) 1:

งานการประมวลผลเข้าสู่ระบบที่ง่ายใน MapReduce อาจสแกนย่อยของล็อกไฟล์สอดคล้องกับหน้าต่างในเวลาที่กำหนด (เช่นวัน) และคำนวณนับรวมการจัดกลุ่มตามอายุเพศหรือสถานที่ เป็นส่วนหนึ่งของการวิเคราะห์นี้ equi เข้าร่วมมักจะต้องระหว่างบันทึกและหนึ่งหรือมากกว่าหนึ่งของตารางการอ้างอิงทราบว่า equi เข้าร่วมสำหรับการประมวลผลบันทึกจะแตกต่างจากดาวทั่วไปร่วมในการใช้งานคลังข้อมูลแบบดั้งเดิม ในดาวร่วมข้อมูลมิติมักจะลดลงเป็นครั้งแรกขึ้นอยู่กับข้อ จำกัด แล้วผลิตภัณฑ์ของตารางมิติหลายที่มั่วสุมอยู่กับตารางความจริงมักจะทำให้การใช้ดัชนี ในทางตรงกันข้าม equi เข้าร่วมสำหรับการประมวลผลบันทึกมักจะดำเนินการในทุกบันทึกเข้าสู่ระบบที่และข้อ จำกัด ของข้อมูลอ้างอิงที่ระบุไว้ไม่ค่อย นี้เป็นเพราะหนึ่งในเป้าหมายของการประมวลผลบันทึกเป็นสถิติในการคำนวณสำหรับทุกบันทึกเข้าสู่ระบบในการรวมกันต่างๆของมิติที่อ้างอิง ยังทราบว่ามันไม่ได้เป็นไปได้ที่จะเข้าร่วมก่อนเข้าสู่ระบบที่มีข้อมูลอ้างอิงทั้งหมดเนื่องจากผลก่อนเข้าร่วมอาจจะเป็นคำสั่งของขนาดใหญ่กว่าบันทึก

ผลลัพธ์ (ไทย) 2:

บันทึกเรื่องการดำเนินงานใน MapReduce อาจสแกนชุดย่อยของแฟ้มล็อกที่สอดคล้องกับหน้าต่างเวลาที่ระบุ (เช่นวัน), และคำนวณนับรวมที่ถูกจัดกลุ่มตามอายุ เพศ หรือตำแหน่ง เป็นส่วนหนึ่งของการวิเคราะห์นี้ การ equi-join คือการรวมมักต้องระหว่างล็อก และหนึ่ง หรือหลายตารางที่อ้างอิง หมายเหตุว่า equi-join การปูมคือการรวมแตกต่างจากทั่วไปรวมดาวในโปรแกรมคลังข้อมูลแบบดั้งเดิม ในการรวมดาว มิติข้อมูลบ่อยครั้งแรกลงตามข้อจำกัด แล้วผลิตภัณฑ์หลายขนาดตารางเป็นร่วมกับการใช้มักจะทำตารางความจริงของดัชนี ในทางตรงกันข้าม เข้าร่วม equi สำหรับการประมวลผลล็อกมักจะดำเนินการในล็อกระเบียนทั้งหมด และค่อยระบุข้อจำกัดของข้อมูลอ้างอิง ทั้งนี้เนื่องจากเป้าหมายของปูมคือการคำนวณสถิติสำหรับระเบียนบันทึกทั้งหมดในชุดต่าง ๆ ของมิติอ้างอิง โปรดสังเกตว่า คุณไม่สามารถเข้าร่วมทั้งหมดอ้างอิงข้อมูล บันทึกในก่อนตั้งแต่ผลล่วงหน้ารวมจะเป็นอันดับของขนาดใหญ่กว่าแฟ้มบันทึก

ผลลัพธ์ (ไทย) 3:

ล็อกอินเข้าสู่งานการประมวลผลแบบเรียบง่ายใน mapreduce อาจจะสแกนหาอุปกรณ์ย่อยของไฟล์บันทึกที่เกี่ยวข้องกับหน้าต่างเวลาที่กำหนด(เช่นวัน)และการประมวลผลรวมกันเป็นกลุ่มโดยจะนับถอยหลังที่ตั้งหรือเพศอายุ ในฐานะที่เป็นส่วนหนึ่งในการวิเคราะห์นี้เท่ากัน - เข้าร่วมที่จะต้องใช้ระหว่างเข้าสู่ระบบและเป็นหนึ่งหรือมากกว่าในโต๊ะการอ้างอิงที่มักจะโปรดทราบว่าการประมวลผลเท่ากัน - เข้าร่วมสำหรับผู้ใช้ที่ล็อกอินจะแตกต่างจากแบบดั้งเดิมดาวเข้าร่วมในแอปพลิเคชันคลังข้อมูลแบบดั้งเดิม ในดาวร่วมข้อมูลขนาดคือลดลงเป็นครั้งแรกซึ่งใช้ในเงื่อนไขมักจากนั้น ผลิตภัณฑ์ ของโต๊ะขนาดหลายเข้าร่วมพร้อมด้วยโต๊ะข้อเท็จจริงที่มักทำให้เกิดการใช้ของดัชนีชี้วัด ในทางตรงข้ามการประมวลผลเท่ากัน - เข้าร่วมสำหรับผู้ใช้ที่ล็อกอินจะมีการดำเนินการที่บันทึกข้อมูลล็อกอินเข้าสู่ทั้งหมดโดยปกติแล้วและข้อจำกัดในข้อมูลอ้างอิงได้รับแทบจะไม่ระบุไว้ โรงแรมแห่งนี้เป็นเพราะหนึ่งในเป้าหมายของการประมวลผลล็อกอินเข้าสู่คือการคำนวณตัวเลขสำหรับการบันทึกล็อกอินเข้าสู่ทั้งหมดที่อยู่ในการผสมผสานที่หลากหลายของขนาดคู่มืออ้างอิงฉบับย่อ นอกจากนั้นโปรดบันทึกไว้ด้วยว่าไม่ได้เป็นไปได้ในการทดลอง - เข้าร่วมล็อกอินที่พร้อมด้วยข้อมูลอ้างอิงของทั้งหมดเนื่องจากทำให้ก่อนเข้าร่วมไม่สามารถมีคำสั่งซื้อของเท่าที่มีขนาดใหญ่กว่าล็อกอินเข้าสู่