Shark is a new data analysis system

Shark is a new data analysis system that marries query processing
with complex analytics on large clusters. It leverages a novel distributed
memory abstraction to provide a unified engine that can run
SQL queries and sophisticated analytics functions (e.g., iterative
machine learning) at scale, and efficiently recovers from failures
mid-query. This allows Shark to run SQL queries up to 100× faster
than Apache Hive, and machine learning programs more than 100× faster than Hadoop. Unlike previous systems, Shark shows that it is
possible to achieve these speedups while retaining a MapReducelike
execution engine, and the fine-grained fault tolerance properties
that such engine provides. It extends such an engine in several
ways, including column-oriented in-memory storage and dynamic
mid-query replanning, to effectively execute SQL. The result
is a system that matches the speedups reported for MPP analytic
databases over MapReduce, while offering fault tolerance properties
and complex analytics capabilities that they lack.

ผลลัพธ์ (ไทย) 1:

ปลาฉลามมีระบบวิเคราะห์ข้อมูลใหม่ที่ marries การประมวลผลแบบสอบถามมีการวิเคราะห์ซับซ้อนบนคลัสเตอร์ขนาดใหญ่ มันใช้นวนิยายกระจายหน่วยความจำ abstraction ให้การรวมโปรแกรมที่สามารถเรียกใช้แบบสอบถาม SQL และฟังก์ชันการวิเคราะห์ที่ทันสมัย (เช่น ซ้ำเครื่องเรียนรู้) ในมาตราส่วน และมีประสิทธิภาพการกู้คืนจากความล้มเหลวสอบถามกลาง นี้ช่วยให้ฉลามเพื่อรันการสอบถาม SQL ได้ 100 ×เร็วกลุ่ม Apache และเครื่อง เรียนหลักสูตรมากกว่า 100 ×เร็วกว่าอย่างไร Hadoop ซึ่งแตกต่างจากระบบก่อนหน้า ฉลามแสดงว่าสามารถบรรลุ speedups เหล่านี้ยังคงเป็น MapReducelikeเครื่องมือการดำเนินการ และคุณสมบัติค่าเผื่อความบกพร่องทรายแป้งละเอียดเครื่องมือดังกล่าวที่ทาง มันขยายเครื่องมือดังกล่าวในหลายวิธี การเก็บข้อมูลในแนวคอลัมน์และไดนามิกแบบสอบถามกลางที่วางแผนใหม่ การปฏิบัติการ SQL ได้อย่างมีประสิทธิภาพ ผลระบบที่ตรงกับ speedups มีรายงานสำหรับ MPP คู่ฐานข้อมูลผ่าน MapReduce ในขณะที่นำเสนอคุณสมบัติของค่าเผื่อความบกพร่องและความสามารถในการวิเคราะห์ที่ซับซ้อนที่พวกเขาขาด

ผลลัพธ์ (ไทย) 2:

ฉลามเป็นระบบการวิเคราะห์ข้อมูลใหม่ที่แต่งงานประมวลผลแบบสอบถามที่มีการวิเคราะห์ที่ซับซ้อนในกลุ่มที่มีขนาดใหญ่ ใช้ประโยชน์จากมันกระจายนวนิยายนามธรรมหน่วยความจำเพื่อให้เครื่องยนต์แบบครบวงจรที่สามารถเรียกใช้คำสั่งSQL และฟังก์ชั่นการวิเคราะห์ที่มีความซับซ้อน (เช่นซ้ำการเรียนรู้เครื่อง) ที่ขนาดและมีประสิทธิภาพฟื้นจากความล้มเหลวของกลางแบบสอบถาม นี้จะช่วยให้ปลาฉลามที่จะเรียกใช้ SQL สอบถามถึง 100 ×เร็วขึ้นกว่าApache ไฮฟ์และโปรแกรมการเรียนรู้เครื่องมากกว่า 100 ×เร็วกว่า Hadoop แตกต่างจากระบบก่อนหน้านี้แสดงให้เห็นว่าฉลามมันเป็นไปได้ที่จะบรรลุ speedups เหล่านี้ขณะที่การรักษา MapReducelike เครื่องมือการดำเนินการและความผิดที่ละเอียดคุณสมบัติความอดทนว่าเครื่องยนต์ดังกล่าวให้ มันยาวยืดดังกล่าวเป็นเครื่องมือในหลายวิธีรวมถึงคอลัมน์ที่มุ่งเน้นการจัดเก็บข้อมูลในหน่วยความจำและแบบไดนามิกreplanning กลางแบบสอบถามดำเนินการได้อย่างมีประสิทธิภาพ SQL ผลที่ได้คือระบบที่ตรงกับ speedups ที่รายงานการวิเคราะห์เอ็มพีพีฐานข้อมูลมากกว่าMapReduce ขณะที่นำเสนอคุณสมบัติป้องกันความผิดพลาดและความสามารถในการวิเคราะห์ที่ซับซ้อนที่พวกเขาขาด

ผลลัพธ์ (ไทย) 3:

ฉลาม เป็นระบบวิเคราะห์ข้อมูลใหม่ที่แต่งงาน
การประมวลผลแบบสอบถามกับการวิเคราะห์ที่ซับซ้อนบนคลัสเตอร์ขนาดใหญ่ มันจากนวนิยายกระจาย
หน่วยความจำนามธรรมเพื่อให้เครื่องยนต์แบบครบวงจรที่สามารถเรียกใช้แบบสอบถาม SQL ที่ซับซ้อน และการวิเคราะห์ฟังก์ชัน
( เช่นซ้ำ
การเรียนรู้ของเครื่อง ) ที่ขนาดและมีประสิทธิภาพกู้คืนจากความล้มเหลว
มิด แบบสอบถามนี้จะช่วยให้ฉลามเพื่อเรียกใช้แบบสอบถาม SQL ถึง 100 ×เร็ว
กว่า Apache รังและการเรียนรู้เครื่องโปรแกรมกว่า 100 ×เร็วกว่า Hadoop . ซึ่งแตกต่างจากระบบเดิม ปลาฉลาม แสดงว่า
เป็นไปได้เพื่อให้บรรลุ speedups เหล่านี้ขณะที่การรักษาเครื่องยนต์การ mapreducelike
และอย่างละเอียดคุณสมบัติเทพบดี
เช่นเครื่องยนต์ให้ มันขยายเช่นเครื่องยนต์หลาย
วิธีรวมคอลัมน์ที่มุ่งเน้นในการจัดเก็บหน่วยความจำแบบไดนามิกและแบบสอบถาม replanning
กลาง , อย่างมีประสิทธิภาพรัน SQL ผล
เป็นระบบที่ตรงกับ speedups รายงานวิเคราะห์
MPP ฐานข้อมูลผ่าน mapreduce ในขณะที่เสนอคุณสมบัติทนทานต่อความผิดพลาดและความสามารถในการวิเคราะห์ที่ซับซ้อน
ที่พวกเขาขาด