MapReduce was introduced by Dean et

MapReduce was introduced by Dean et. al. in 2004 [8].
Understanding the complete details of how MapReduce works is
not a necessary prerequisite for understanding this paper. In short,
MapReduce processes data distributed (and replicated) across
many nodes in a shared-nothing cluster via three basic operations.
First, a set of Map tasks are processed in parallel by each node in
the cluster without communicating with other nodes. Next, data is
repartitioned across all nodes of the cluster. Finally, a set of Reduce
tasks are executed in parallel by each node on the partition it
receives. This can be followed by an arbitrary number of additional
Map-repartition-Reduce cycles as necessary. MapReduce does not
create a detailed query execution plan that specifies which nodes
will run which tasks in advance; instead, this is determined at
runtime. This allows MapReduce to adjust to node failures and
slow nodes on the fly by assigning more tasks to faster nodes and
reassigning tasks from failed nodes. MapReduce also checkpoints
the output of each Map task to local disk in order to minimize the
amount of work that has to be redone upon a failure.
Of the desired properties of large scale data analysis workloads,

ผลลัพธ์ (ไทย) 1:

MapReduce ถูกนำ โดยคณบดีร้อยเอ็ด al. ในปี 2004 [8]เข้าใจการกรอกรายละเอียดของวิธีการทำงานของ MapReduce เป็นไม่จำเป็นช่วงเวลาสำหรับการทำความเข้าใจเอกสารนี้ ในระยะสั้นMapReduce ประมวลผลข้อมูลการแจกจ่าย (และจำลองแบบแล้ว)โหนดที่มากในคลัสเตอร์มีอะไรร่วมกันผ่านการดำเนินงานพื้นฐานที่ 3ครั้งแรก การประมวลผลชุดงานแผนที่พร้อมกัน โดยแต่ละโหนดในคลัสเตอร์ไม่ มีการติดต่อสื่อสารกับโหนอื่น ๆ ถัดไป เป็นข้อมูลrepartitioned ข้ามโหนดทั้งหมดของคลัสเตอร์ สุดท้าย ชุดลดจะมีดำเนินงานพร้อมกัน โดยแต่ละโหนบนพาร์ติชันนั้นได้รับการ นี้สามารถตาม ด้วยหมายเลขที่กำหนดเพิ่มเติมของวงจรที่แผนที่-repartition-ลดตามความจำเป็น MapReduce ไม่สร้างแผนการดำเนินการสอบถามรายละเอียดที่ระบุโหนดที่จะทำงานใดล่วงหน้า แทน นี้จะถูกกำหนดที่รันไทม์ ให้ MapReduce ปรับเพื่อความล้มเหลวของโหนด และช้าโหนในการบิน โดยการมอบหมายงานเพิ่มเติมโหนให้เร็วขึ้น และกำหนดงานจากโหนล้มเหลว MapReduce ยังจุดตรวจผลผลิตของงานแต่ละแผนดิสก์ภายในเครื่องเพื่อลดการจำนวนของงานที่เป็นเรดวันเมื่อความล้มเหลวระบุคุณสมบัติของเวิร์กวิเคราะห์ข้อมูลขนาดใหญ่

ผลลัพธ์ (ไทย) 2:

MapReduce ถูกนำโดยคณบดีและ อัล ในปี 2004 [8].
ทำความเข้าใจเกี่ยวกับรายละเอียดที่สมบูรณ์ของวิธีการทำงานคือ MapReduce
ไม่จำเป็นที่จำเป็นสำหรับการทำความเข้าใจบทความนี้ ในระยะสั้นข้อมูลกระบวนการ MapReduce กระจาย (และการจำลองแบบ) ข้ามโหนดจำนวนมากในกลุ่มที่ใช้ร่วมกันไม่มีอะไรผ่านสามดำเนินงานขั้นพื้นฐาน. First, ชุดของงานแผนที่มีการประมวลผลแบบขนานโดยแต่ละโหนดในคลัสเตอร์โดยไม่ต้องสื่อสารกับโหนดอื่นๆ ถัดไปข้อมูลจะถูกrepartitioned ทั่วทุกโหนดของคลัสเตอร์ ในที่สุดชุดของการลดงานที่จะดำเนินการในแบบคู่ขนานโดยแต่ละโหนดบนพาร์ติชันที่ได้รับ นี้สามารถตามด้วยจำนวนข้อของเพิ่มเติมแผนที่ repartition-ลดรอบตามความจำเป็น MapReduce ไม่ได้สร้างแผนการดำเนินการแบบสอบถามรายละเอียดที่ระบุโหนดซึ่งจะทำงานซึ่งงานล่วงหน้า แทนนี้จะถูกกำหนดที่รันไทม์ นี้จะช่วยให้ MapReduce เพื่อปรับความล้มเหลวของโหนดและโหนดช้าในการบินโดยการกำหนดงานที่มากขึ้นไปยังต่อมน้ำได้เร็วขึ้นและกำหนดใหม่งานจากโหนดล้มเหลว MapReduce ยังจุดตรวจการส่งออกของแต่ละงานแผนที่ไปยังดิสก์ท้องถิ่นเพื่อลดการปริมาณของงานที่จะต้องมีการทำซ้ำบนความล้มเหลว. ของคุณสมบัติที่ต้องการของปริมาณงานการวิเคราะห์ข้อมูลขนาดใหญ่

ผลลัพธ์ (ไทย) 3:

mapreduce แนะนำคณบดี et al . ในปี 2004 [ 8 ] .
เข้าใจรายละเอียดที่สมบูรณ์ของ mapreduce ทำงานอย่างไร คือ ไม่ต้องจำเป็นเข้าใจ
กระดาษนี้ ในระยะสั้น ,
mapreduce กระบวนการข้อมูลแบบกระจาย ( จำนวน ) ข้าม
หลายโหนดในที่ไม่มีกลุ่มผ่านสามดำเนินการขั้นพื้นฐาน .
1 ชุดของงานแผนที่มีการประมวลผลขนานโดยแต่ละโหนดใน
กลุ่มโดยไม่มีการติดต่อสื่อสารกับโหนดอื่น ๆ ต่อไปเป็นข้อมูล
repartitioned ทุกโหนดในคลัสเตอร์ ในที่สุด , ชุดลด
งานจะดำเนินการในแบบคู่ขนาน โดยแต่ละโหนดในพาร์ทิชัน
ได้รับ นี้สามารถตามด้วยหมายเลขโดยพลการของ repartition แผนที่เพิ่มเติม
ลดรอบเท่าที่จำเป็น mapreduce ไม่ได้
สร้างรายละเอียดแบบสอบถามการดำเนินการแผนที่ระบุซึ่งโหนด
จะวิ่งที่งานล่วงหน้า แทน นี่คือการพิจารณาใน
Runtime . นี้จะช่วยให้ mapreduce ปรับความล้มเหลวโหนดและโหนด
ช้า บินโดยมอบหมายงานให้มากขึ้นเร็วขึ้นและ
reassigning งานจากโหนดโหนดล้มเหลว mapreduce ยังด่านตรวจ
การแสดงผลของแผนที่แต่ละงานเพื่อท้องถิ่นดิสก์เพื่อลด
ปริมาณงานที่ต้องทำใหม่
เมื่อล้มเหลวของที่ต้องการคุณสมบัติของการวิเคราะห์ข้อมูลปริมาณงานขนาดใหญ่ ,