In big data era, it is very hard fo

In big data era, it is very hard for single machine to undertake the task of machine learning because of the
limitation of CPU, memory, or disk space. More and more learning algorithms resort to distributed big-data
platforms such as Hadoop, Spark, and Hazelcast [1]. All of these platforms involve coordination between
machines to accomplish a common computation task. The coordination come down to the cooperation with
respects to computation, storage, algorithm, knowledge and data between machines, and it is far from a simple
job.
Hadoop uses map-reduce model to decompose tasks. A central machine takes charge, assigns tasks and
invokes other machines to execute the tasks. Hazelcast is a data grid system and distributed computing platform.
When an execution of “ExecutorService” is launched by a client, Hazelcast chooses a node to accomplish the
task. These tasks of Hadoop and Hazelcast are usually coordinated by a central machine. If the central node is
down, it is hard, if not impossible, to switch the control to other nodes seamlessly.

ผลลัพธ์ (ไทย) 1:

ในยุคข้อมูลขนาดใหญ่ มันยากมากสำหรับเครื่องเดียวเพื่อทำงานของเครื่องจักรการเรียนรู้เนื่องจากการข้อจำกัดของ CPU หน่วยความจำ หรือเนื้อที่ว่างบนดิสก์ อัลกอริทึมการเรียนรู้เพิ่มเติม และเพิ่มเติมรีสอร์ทเพื่อกระจายข้อมูลขนาดใหญ่แพลตฟอร์มเช่น Hadoop หัวเทียน และ Hazelcast [1] แพลตฟอร์มเหล่านี้ทั้งหมดเกี่ยวข้องกับการประสานงานระหว่างเครื่องคำนวณงานทั่วไปให้สำเร็จ การประสานงานลงมาให้ความร่วมมือกับเพื่อคำนวณ เก็บ อัลกอริทึม ความรู้ และข้อมูลระหว่างเครื่องจักร และมันอยู่ไกลจากเรียบง่ายงานใช้ Hadoop แผนที่ลดรุ่นงานเน่าสลาย เครื่องกลางใช้ค่าใช้จ่าย กำหนดงาน และเรียกใช้เครื่องอื่น ๆ ในการดำเนินงาน Hazelcast เป็นระบบกริดข้อมูลและแพลตฟอร์มระบบคอมพิวเตอร์แบบกระจายเมื่อเปิดใช้การดำเนินการของ "ExecutorService" โดยไคลเอนต์ Hazelcast เลือกโหนไปทำการงาน มักจะมีการประสานงานงานเหล่านี้ของ Hadoop และ Hazelcast เครื่องกลาง ถ้าโหนเซ็นทรัลลง มันเป็นยาก ถ้าไม่ไปไม่ได้ สลับตัวควบคุมไปยังโหนอื่น ๆ ได้อย่างราบรื่น

ผลลัพธ์ (ไทย) 2:

ในยุคข้อมูลขนาดใหญ่มันเป็นเรื่องยากมากสำหรับเครื่องเดียวที่จะดำเนินงานของการเรียนรู้ของเครื่องเพราะ
ข้อ จำกัด ของหน่วยความจำหรือพื้นที่ว่างดิสก์ เพิ่มเติมและขั้นตอนวิธีการเรียนรู้เพิ่มเติมรีสอร์ทเพื่อการกระจายข้อมูลขนาดใหญ่
แพลตฟอร์มเช่น Hadoop, Spark และ Hazelcast [1] ทุกแพลตฟอร์มเหล่านี้เกี่ยวข้องกับการประสานงานระหว่าง
เครื่องที่จะบรรลุผลงานการคำนวณที่พบบ่อย การประสานงานลงมาให้ความร่วมมือกับ
ประการที่จะคำนวณการจัดเก็บข้อมูลขั้นตอนวิธีการความรู้และข้อมูลระหว่างเครื่องและมันอยู่ไกลจากที่เรียบง่าย
งาน.
Hadoop ใช้แผนที่ลดรูปแบบงานในการย่อยสลาย เครื่องกลางต้องใช้ค่าใช้จ่ายกำหนดงานและ
เรียกเครื่องอื่น ๆ ในการดำเนินการงาน Hazelcast เป็นระบบข้อมูลตารางและแพลตฟอร์มคอมพิวเตอร์กระจาย.
เมื่อมีการดำเนินการของ "ExecutorService" ถูกเปิดตัวโดยลูกค้า Hazelcast เลือกโหนดที่จะบรรลุการ
งาน งานเหล่านี้ของ Hadoop และ Hazelcast มักจะมีการประสานงานโดยเครื่องกลาง ถ้าโหนดกลาง
ลงมันเป็นเรื่องยากหากไม่เป็นไปไม่ได้ที่จะเปลี่ยนการควบคุมไปยังโหนดอื่น ๆ ได้อย่างลงตัว

ผลลัพธ์ (ไทย) 3:

ในยุคข้อมูลใหญ่ มันเป็นเรื่องยากมากสำหรับเครื่องเดียวเพื่อดําเนินงานของเครื่องเรียน เพราะของข้อจำกัดของหน่วยความจำหรือพื้นที่ว่างในดิสก์ . มากขึ้นและอัลกอริทึมการเรียนรู้รีสอร์ทเพื่อกระจายข้อมูลใหญ่แพลตฟอร์มเช่น Hadoop , จุดประกาย , และ hazelcast [ 1 ] ทั้งหมดของแพลตฟอร์มเหล่านี้เกี่ยวข้องกับการประสานงานระหว่างเครื่องเพื่อให้บรรลุงานคอมพิวเตอร์ทั่วไป ประสานงานลงมา ร่วมมือกับประการในการคำนวณ , การจัดเก็บ , ขั้นตอนวิธี , ความรู้และข้อมูลระหว่างเครื่องและมันอยู่ไกลจากง่าย ๆงานราคาลดแบบเน่า Hadoop ที่ใช้งาน เครื่องที่เซ็นทรัล ใช้ชาร์จ มอบหมายงานและจะเรียกเครื่องอื่นที่เรียกใช้งาน hazelcast เป็นตารางข้อมูลและแพลตฟอร์มระบบคอมพิวเตอร์แบบกระจายเมื่อมีการเปิดตัว " executorservice " โดยลูกค้า hazelcast เลือกโหนด บรรลุงาน งานเหล่านี้และ Hadoop hazelcast มักจะประสานงานโดยเครื่องส่วนกลาง ถ้าโหนดกลางคือลงมันเป็นเรื่องยากหากไม่เป็นไปไม่ได้ที่จะเปลี่ยนการควบคุมไปยังโหนดอื่น ๆได้อย่างลงตัว