The production environment for anal

The production environment for analytical data management applications
is rapidly changing. Many enterprises are shifting away
from deploying their analytical databases on high-end proprietary
machines, and moving towards cheaper, lower-end, commodity
hardware, typically arranged in a shared-nothing MPP architecture,
often in a virtualized environment inside public or private “clouds”.
At the same time, the amount of data that needs to be analyzed is
exploding, requiring hundreds to thousands of machines to work in
parallel to perform the analysis.
There tend to be two schools of thought regarding what technology
to use for data analysis in such an environment. Proponents
of parallel databases argue that the strong emphasis on performance
and efficiency of parallel databases makes them wellsuited
to perform such analysis. On the other hand, others argue
that MapReduce-based systems are better suited due to their superior
scalability, fault tolerance, and flexibility to handle unstructured
data. In this paper, we explore the feasibility of building a hybrid
system that takes the best features from both technologies; the prototype
we built approaches parallel databases in performance and
efficiency, yet still yields the scalability, fault tolerance, and flexibility
of MapReduce-based systems.

ผลลัพธ์ (ไทย) 1:

สภาพแวดล้อมการผลิตสำหรับโปรแกรมประยุกต์การจัดการวิเคราะห์ข้อมูลได้อย่างรวดเร็วการเปลี่ยนแปลง หลายองค์กรจะเลื่อนลอยไปจากการปรับใช้ฐานข้อมูลการวิเคราะห์บนฟทร์แวร์สูงเครื่องจักร และเข้าชุดถูกกว่า ส่วนล่างฮาร์ดแวร์ จัดโดยทั่วไปในการไม่ร่วมกลุ่มสถาปัตยกรรมบ่อยในสภาพแวดล้อมที่ถูกสร้างเสมือนภายในรัฐ หรือเอกชน "เมฆ"ในเวลาเดียวกัน จำนวนข้อมูลที่ต้องจะวิเคราะห์เป็นระเบิด ต้องการหลายร้อยหลายพันคนของเครื่องจักรทำงานควบคู่การวิเคราะห์มีมักจะ เป็นสองโรงเรียนคิดเกี่ยวกับเทคโนโลยีสิ่งใช้สำหรับการวิเคราะห์ข้อมูลในสภาพแวดล้อมเช่นการ Proponentsฐานข้อมูลแบบขนานโต้เถียงที่เน้นประสิทธิภาพประสิทธิภาพของฐานข้อมูลแบบขนานทำ wellsuitedการทำการวิเคราะห์ดังกล่าว บนมืออื่น ๆ โต้เถียงของผู้อื่นมา MapReduce ดีเหมาะเนื่องจากห้องของพวกเขาขนาด ค่าเผื่อความบกพร่อง และความยืดหยุ่นในการจัดการไม่มีโครงสร้างข้อมูล ในเอกสารนี้ เราได้สำรวจความเป็นไปได้ของการสร้างลูกผสมระบบที่ใช้จุดเด่นจากเทคโนโลยีทั้งสอง ต้นแบบเราสร้างฐานข้อมูลขนานต่อประสิทธิภาพการทำงาน และประสิทธิภาพ ยังยังก่อให้เกิดภาระ ยอมรับข้อบกพร่อง และความยืดหยุ่นของระบบที่ใช้ MapReduce

ผลลัพธ์ (ไทย) 2:

สภาพแวดล้อมการผลิตสำหรับการวิเคราะห์ข้อมูลการใช้งานการจัดการการเปลี่ยนแปลงอย่างรวดเร็ว ผู้ประกอบการหลายคนกำลังขยับตัวออกห่างจากการปรับฐานข้อมูลการวิเคราะห์ของพวกเขาในระดับไฮเอนด์ที่เป็นกรรมสิทธิ์ของเครื่องและเคลื่อนไปถูกกว่าสิ้นลงสินค้าโภคภัณฑ์ฮาร์ดแวร์มักจะจัดในสถาปัตยกรรมเอ็มพีพีที่ใช้ร่วมกันไม่มีอะไรมักจะอยู่ในสภาพแวดล้อมเสมือนจริงภายในของรัฐหรือเอกชน"เมฆ ". ในเวลาเดียวกันจำนวนของข้อมูลที่จะต้องมีการวิเคราะห์จะระเบิดต้องใช้หลายร้อยหลายพันเครื่องที่จะทำงานในแบบคู่ขนานที่จะดำเนินการวิเคราะห์. มีแนวโน้มที่จะมีสองโรงเรียนที่คิดเกี่ยวกับสิ่งที่เทคโนโลยีที่จะใช้ในการวิเคราะห์ข้อมูลดังกล่าวในสภาพแวดล้อม ผู้เสนอของฐานข้อมูลแบบขนานให้เหตุผลว่าความสำคัญอย่างมากต่อประสิทธิภาพการทำงานและประสิทธิภาพของฐานข้อมูลแบบขนานที่ทำให้พวกเขาwellsuited เพื่อดำเนินการวิเคราะห์ดังกล่าว ในทางกลับกันคนอื่น ๆ ให้เหตุผลว่าระบบMapReduce ที่ใช้มีความเหมาะสมที่ดีขึ้นเนื่องจากการที่เหนือกว่าของพวกเขาขยายขีดความสามารถความอดทนความผิดและความยืดหยุ่นในการจัดการที่ไม่มีโครงสร้างข้อมูล ในบทความนี้เราจะสำรวจความเป็นไปได้ของการสร้างไฮบริดระบบที่ใช้คุณสมบัติที่ดีที่สุดจากเทคโนโลยีทั้งสอง; ต้นแบบเราสร้างฐานข้อมูลวิธีการแบบคู่ขนานในการทำงานและมีประสิทธิภาพแต่ยังคงมีอัตราผลตอบแทนการขยายระบบการป้องกันความผิดพลาดและความยืดหยุ่นของระบบ MapReduce ตาม

ผลลัพธ์ (ไทย) 3:

สภาพแวดล้อมการผลิต วิเคราะห์จัดการข้อมูลการใช้งาน
เปลี่ยนแปลงไปอย่างรวดเร็ว หลายองค์กรจะเปลี่ยนไปจากการใช้ฐานข้อมูลของพวกเขาวิเคราะห์

คุณภาพสูงบนเครื่องที่เป็นกรรมสิทธิ์ และมุ่งไปสู่ราคาถูก , ช่วงล่าง , สินค้า
ฮาร์ดแวร์จัดโดยทั่วไปในการใช้อะไรองค์ประกอบสถาปัตยกรรม
บ่อยในสภาพแวดล้อมเสมือนจริงในที่สาธารณะหรือส่วนตัว
" เมฆ "ในขณะเดียวกัน ปริมาณของข้อมูลที่ต้องวิเคราะห์คือ
ระเบิด , มีหลายร้อยหลายพันของเครื่องจะทำงานในแบบขนานเพื่อทำการวิเคราะห์
.
มันมักจะเป็นสองโรงเรียนของความคิดเกี่ยวกับสิ่งที่เทคโนโลยี
เพื่อใช้สำหรับการวิเคราะห์ข้อมูลในสภาพแวดล้อมเช่น . ผู้เสนอ
ฐานข้อมูลขนานโต้เถียงที่มุ่งเน้นประสิทธิภาพ
และประสิทธิภาพของฐานข้อมูลแบบขนาน ทำให้พวกเขา wellsuited
ทําการวิเคราะห์ดังกล่าว บนมืออื่น ๆ , อื่น ๆที่ใช้ระบบยืนยัน
mapreduce เหมาะเนื่องจากพวกเขา superior
scalability , ความผิดความอดทนและความยืดหยุ่นในการจัดการกับข้อมูลที่ไม่มีโครงสร้าง

ในกระดาษนี้เราสำรวจความเป็นไปได้ของการสร้างระบบที่ใช้ไฮบริด
คุณสมบัติที่ดีที่สุดจากทั้งสองเทคโนโลยีต้นแบบ
;เราสร้างฐานข้อมูลในการปฏิบัติงานและแนวทางคู่ขนาน
ประสิทธิภาพ ยังสามารถขยายขีดความสามารถ ยอมรับความผิด และความยืดหยุ่นของ mapreduce
ตามระบบ