Since its introduction just a few y

Since its introduction just a few years ago, the MapReduce framework [16] has become extremely popular for analyzing large datasets in cluster environments. The success of MapReduce stems from hiding the details of parallelization, fault tolerance, and load balancing in a simple programming framework. Despite its popularity, some have argued that MapReduce is a step backwards and ignores many of the valuable lessons learned in parallel RDBMSs over the last 30 years [18, 25]. Among other things, the critics of MapReduce like to point out its lack of a schema, lack of a declarative query language, and lack of indexes

ผลลัพธ์ (ไทย) 1:

ตั้งแต่เปิดตัวเพียงไม่กี่ปีที่ผ่านมากรอบ MapReduce [16] ได้กลายเป็นที่นิยมอย่างมากสำหรับการวิเคราะห์ชุดข้อมูลขนาดใหญ่ในสภาพแวดล้อมที่คลัสเตอร์ ความสำเร็จของ MapReduce เกิดจากการซ่อนรายละเอียดของการ parallelization ยอมรับความผิดและสมดุลภาระในกรอบการเขียนโปรแกรมง่าย แม้จะมีความนิยมของบางคนแย้งว่า MapReduce เป็นขั้นตอนไปข้างหลังและละเว้นหลายบทเรียนที่มีค่าเรียนรู้ใน rdbmss ขนานในช่วง 30 ปี [18, 25] เหนือสิ่งอื่นใดนักวิจารณ์ของ MapReduce ต้องการจะชี้ให้เห็นการขาดของคีขาดภาษาแบบสอบถามเปิดเผยและการขาดของดัชนี

ผลลัพธ์ (ไทย) 2:

ตั้งแต่การนำเพียงไม่กี่ปีที่ผ่านมา MapReduce กรอบ [16] ได้กลายเป็นนิยมมากสำหรับการวิเคราะห์ datasets ขนาดใหญ่ในสภาพแวดล้อมคลัสเตอร์ ความสำเร็จของ MapReduce ลำต้นจากซ่อนรายละเอียดของ parallelization ยอมรับข้อบกพร่อง และการโหลดดุลในกรอบงานเขียนโปรแกรมง่าย แม้จะนิยม บางได้โต้เถียงว่า MapReduce เป็นขั้นตอนย้อนหลัง และละเว้นมากมายเรียนมีที่เรียนใน RDBMSs ขนานช่วง 30 ปี [18, 25] ต่าง ๆ วิจารณ์ MapReduce ต้องการชี้ให้เห็นการขาดแบบแผน ขาดภาษาสอบถาม declarative และขาดดัชนี

ผลลัพธ์ (ไทย) 3:

นับตั้งแต่การแนะนำที่อยู่เพียงไม่กี่ปีมาแล้วกรอบ mapreduce [ 16 ]กลายเป็นได้รับความนิยมอย่างมากสำหรับการวิเคราะห์ datasets ขนาดใหญ่ใน สภาพแวดล้อม แบบคลัสเตอร์ ความสำเร็จของ mapreduce ผลผลิตจากการซ่อนรายละเอียดของ parallelization ลดการเกิดความผิดพลาดและความสมดุลการโหลดในกรอบการตั้งโปรแกรมแบบเรียบง่าย แม้ว่าจะมีความนิยมของมันบางคนได้ให้เหตุผลว่า mapreduce เป็นก้าวไปทางด้านหลังและไม่ใช้จำนวนมากของบทเรียนที่มีค่าที่เรียนรู้ในแบบคู่ขนาน rdbmss มากกว่า 30 ปีที่ผ่านมา( 1825 ] ท่ามกลางสิ่งอื่นๆที่นักวิจารณ์ของ mapreduce เหมือนกับจุดออกจากการที่ไม่มีค่าด้วยการขาด declarative สอบถาม ภาษา และการขาดดัชนีชี้วัด